centro de excelÊncia em regulaÇÃo de mercados...

CERME

CENTRO DE EXCELÊNCIA EM REGULAÇÃO DE MERCADOS

Universidade de Brasília

1

AVALIAÇÃO DA CONCORRÊNCIA NA PRESTAÇÃO DE

SERVIÇOS PORTUÁRIOS

RELATÓRIO FINAL

Equipe: Paulo C. Coutinho (Coordenador) Adelaida Fonseca Alexandre Ywata Carvalho André Rossi de Oliveira Paulo A. P. Britto Paulo R. Lustosa Pedro H. Albuquerque Vander Lucas

2

Sumário

RELATÓRIO FINAL ..................................................................................................................... 1

1. INTRODUÇÃO .................................................................................................................... 8

2. HINTERLÂNDIAS E ÍNDICES DE CONCENTRAÇÃO ............................................................. 10

2.1. Dados e Metodologia ................................................................................................... 10

2.2. Definição dos Mercados Geográficos........................................................................... 14

2.3. Considerações sobre a Concorrência entre o Modal Portuário e outros Modais de Transporte e sobre o Impacto dos Terminais Privados na Concorrência Portuária .................. 23

2.3.1. Concorrência com Outros Modais de Transporte ........................................................ 24

2.3.2. Concorrência entre Terminais de Uso Público e Terminais de Uso Privativo ............... 26

2.4. Índices de Concentração nas Hinterlândias ................................................................. 29

3. ANÁLISE DO GRAU DE CONCORRÊNCIA INTERPORTOS E INTRAPORTOS NAS

HINTERLÂNDIAS ................................................................................................................................... 46

3.1. Impactos dos Custos de Transporte Interno sobre as Participações de Mercado dos Portos Brasileiros ...................................................................................................................... 47

3.1.1. Literatura existente ...................................................................................................... 47

3.1.2. Metodologia................................................................................................................. 49

3.1.3. Fontes de Informações ................................................................................................. 50

3.1.4. Simulações de Impactos de Melhorias na Infraestrutura de Transporte sobre a Concorrência Interportos .......................................................................................................... 52

3.1.5. Resultados Gerais......................................................................................................... 53

3.1.6. Simulações de efeitos de aumentos lineares dos custos de transporte sobre as participações dos portos no total de cargas movimentadas no país ........................................ 55

3.1.7. Simulações de efeitos de reduções lineares dos custos de transporte de portos concorrentes sobre a participação dos portos na movimentação de cargas em cada mercado geográfico ................................................................................................................................. 57

3.2. Análise dos Lucros Residuais dos Terminais Portuários ............................................... 61

3.2.1.1. Prêmio de Risco Brasil .................................................................................................. 67

3.2.1.2. Prêmio de Risco Cambial .............................................................................................. 67

3.2.1.3. Realavancagem do Beta ( ........................................................................................ 68

3.2.1.4. Taxa de Retorno do Capital Próprio do Terminal e do Setor ........................................ 69

3.2.1.5. Taxa de Retorno do Capital de Terceiros e a Taxa de Retorno sobre o Capital (WACC) 71

3.2.2. Lucros Residuais dos Terminais Portuários Brasileiros ................................................. 72

3.2.2.1. Terminais de Contêineres ............................................................................................. 72

3.2.2.2. Terminais de granel líquido .......................................................................................... 74

3

3.2.2.3. Terminais de granel sólido ........................................................................................... 75

3.3. Impactos de Variáveis de Eficiência, Distância para o porto Estrangeiro e Preços dos Serviços Tarifários sobre as Participações de Mercado de Portos e Terminais Brasileiros ....... 77

3.3.1. Impactos de Variáveis de Eficiência e Distância para o porto Estrangeiro .................. 78

3.3.1.1. Detalhamento das Amostras ....................................................................................... 79

3.3.1.2. Análise de elasticidades ............................................................................................... 84

3.3.2. Impactos de Mudanças nos Preços dos Serviços Portuários ........................................ 94

3.4. Avaliação do Nível de Concorrência no Setor Portuário Brasileiro com Base em Análise Integrada das Evidências Empíricas........................................................................................ 100

3.5. Barreiras Regulatórias à Entrada no Setor Portuário Brasileiro: Análise da Legislação 108

3.6. Impactos Potenciais de Projetos Futuros de Infraestrutura ....................................... 119

3.6.1. Projetos para a Malha Rodoviária ............................................................................. 121

3.6.2. Projetos para a Malha Ferroviária ............................................................................. 124

4. Recomendações e Comentários Finais .......................................................................... 127

5. Referências Bibliográficas ............................................................................................. 130

A. Apêndice ................................................................................................................... 139

A.1. Metodologia de Logit Misto ...................................................................................... 139

A.2. Metodologia de Clusterização ................................................................................... 142

A.3. Metodologia da Regressão Fracionada ..................................................................... 145

A.4. Método do Filtro de Kalman ..................................................................................... 152

A.5. Tabelas e Figuras ...................................................................................................... 154

4

Índice de Figuras

Figura 1 – Mercados Geográficos para Carga Geral (incluindo Contêineres) –

2009 a 2012 .................................................................................................................... 15

Figura 2 – Mercados Geográficos para Carga Conteinerizada – 2009 a 2012 .. 16

Figura 3 – Mercados Geográficos para Granéis Sólidos – 2009 a 2012 ............ 18

Figura 4 – Mercados Geográficos para Granéis Líquidos – 2009 a 2012 .......... 20

Figura 5 – Linha de Mercado de Títulos ............................................................. 65

Figura 6 – Composição dos Coeficientes para Cargas Conteneirizadas ......... 157

Figura 7 – Composição dos Coeficientes para Cargas Gerais (com Contêineres)

...................................................................................................................................... 157

Figura 8 – Composição dos Coeficientes para Granéis Sólidos ...................... 157

5

Índice de Tabelas

Tabela 1 – Participação dos Portos mais Importantes para Cargas Gerais

(incluindo Contêineres), entre 1997 e 2012, para os Mercados Geográficos

Identificados ................................................................................................................... 16

Tabela 2 – Participação dos Portos mais Importantes para Contêineres, entre

1997 e 2012, para os Mercados Geográficos Identificados .......................................... 17

Tabela 3 – Participação dos Portos mais Importantes para Granéis Sólidos,

entre 1997 e 2012, para os Mercados Geográficos Identificados ................................ 19

Tabela 4 – Divisão do Mercado entre Terminais de Uso Privativo e de Uso

Público ............................................................................................................................ 27

Tabela 5 – Divisão de Mercado para os Terminais da Hinterlândia de Santos

para Carga Geral (incluindo Contêineres) em 2012 ...................................................... 29

Tabela 6 – Participação dos Portos mais Importantes para Cargas Gerais

(incluindo Contêineres), entre 1997 e 2012, para os Mercados Geográficos

Identificados ................................................................................................................... 30

Tabela 7 – Participação dos Portos mais Importantes para Contêineres, entre


Tabela 8 – Participação dos Portos mais Importantes para Granéis Sólidos,

entre 1997 e 2012, para os Mercados Geográficos Identificados ................................ 32

Tabela 9 – Indicadores de Herfindahl-Hirschman para Cargas Gerais (incluindo

Contêineres), entre 1997 e 2012, para os Mercados Geográficos Identificados......... 33

Tabela 10 – Indicadores de Herfindahl-Hirschman para Contêineres, entre


Tabela 11 – Indicadores de Herfindahl-Hirschman para Granéis Sólidos, entre


Tabela 12 – Lista de Principais Terminais nos Mercados Geográficos para

Cargas Gerais (incluindo Contêineres) de 2010 a meados de 2013 ............................. 36

Tabela 13 – Lista de Principais Terminais nos Mercados Geográficos de Cargas

Conteinerizadas de 2010 a meados de 2013 ................................................................ 37

Tabela 14 – Lista de Principais Terminais nos Mercados Geográficos de Granéis

Sólidos de 2010 a meados de 2013 ............................................................................... 38

6

Tabela 15 – Indicadores de Concentração entre Terminais nos Mercados

Geográficos de Cargas Gerais (incluindo Contêineres) de 2010 a meados de 2013 ... 41


Geográficos de Cargas Conteinerizadas de 2010 a meados de 2013 ........................... 42


Geográficos de Granéis Sólidos de 2010 a meados de 2013 ........................................ 44

Tabela 18 – Resultados das Simulações para Aumentos Lineares nos Custos de

Transporte – Cargas Conteinerizadas, Brasil ................................................................ 55


Transporte – Cargas Gerais, Brasil ................................................................................. 56

Tabela 20- Resultados das Simulações para Aumentos Lineares nos Custos de

Transporte – Granéis Sólidos, Brasil.............................................................................. 56

Tabela 21 – Resultados das Simulações para Reduções Lineares nos Custos de

Transporte de Portos Concorrentes – Cargas Conteinerizadas, Mercados Geográficos

........................................................................................................................................ 58

Tabela 22 – Resultados das Simulações para Reduções Lineares nos Custos de

Transportes de Portos Concorrente – Cargas Gerais, Mercados Geográficos ............. 59


Transportes de Portos Concorrentes – Granéis Sólidos, Mercados Geográficos ........ 60

Tabela 24 – Lucro residual por RSI e por RSLP - Contêineres e carga geral..... 72

Tabela 25 – Lucro residual anual médio, 2008 a 2012: terminais de granel

líquido localizados no Brasil (em %) .............................................................................. 74

Tabela 26 – Lucro residual anual médio, 2008 a 2012: terminais de granel

sólido localizados no Brasil ............................................................................................ 76

Tabela 27 – Dez principais portos e terminais na movimentação de granéis

sólidos (2010-2013) ........................................................................................................ 79

Tabela 28 – Terminais em cada denominação de TUP – Granéis sólidos ........ 80

Tabela 29 – Dez principais portos e terminais na movimentação de carga geral

(2010-2013) .................................................................................................................... 81

Tabela 30 – Terminais em cada denominação de TUP – Carga geral ............... 81

Tabela 31 – Dez principais portos e terminais na movimentação de granéis

líquidos (2010-2013) ...................................................................................................... 82

7

Tabela 32 – Terminais em cada denominação de TUP – Granéis líquidos ....... 82

Tabela 33 – Dez principais portos e terminais na movimentação de

contêineres (2010-2013) ................................................................................................ 83

Tabela 34 – Terminais em cada denominação de TUP – Contêineres .............. 84

Tabela 35 – Elasticidades-distância e tempo – Granéis sólidos........................ 87

Tabela 36 – Elasticidades-distância e tempo – Carga geral .............................. 88

Tabela 37 – Elasticidades-distância e tempo – Contêineres ............................. 90

Tabela 38 – Médias das elasticidades-tempo próprias e cruzadas – Granéis

sólidos, carga geral e contêineres ................................................................................. 91

Tabela 39 – Elasticidades-peso – Granéis sólidos, carga geral e contêineres .. 93

Tabela 40 – Quedas percentuais nas participações de mercado de uma

amostra de terminais de contêineres resultantes de um aumento de 10% nos preços

dos serviços portuários .................................................................................................. 97

Tabela 41 – Médias das Elasticidades por Região Geográfica ............................ 98

Tabela 42 – Análise de concorrência – Carga Geral ........................................ 102

Tabela 43 – Análise de concorrência – Contêineres........................................ 103


Geográficos de Granéis Sólidos de 2010 a meados de 2013 ...................................... 105

Tabela 45 – Parâmetros Estimados para o Modelo de Escolha Discreta para

Cargas Conteinerizadas ................................................................................................ 154


Cargas Gerais (incluindo Contêineres) ........................................................................ 155


Granéis Sólidos ............................................................................................................. 156

8

1. INTRODUÇÃO

Este relatório traz os principais resultados de um trabalho de grande envergadura

produzido pelo CERME/UnB, atendendo a encomenda da ANTAQ, sobre concorrência no setor

portuário brasileiro. Pode-se dizer que o trabalho desdobrou-se em três etapas principais. Na

primeira, foram identificados os mercados geográficos ou hinterlândias relevantes nos setores

de movimentação de cargas gerais, granéis sólidos, granéis líquidos e contêineres, e calculados

os seus índices de concentração. No segundo, foram estimados os impactos sobre as

participações de mercado de portos e terminais de vários fatores que afetam as escolhas de

importadores e exportadores, como preço, eficiência na prestação de serviços, custos de

transporte interno e distância para portos estrangeiros. Na terceira etapa, esses impactos

foram interpretados à luz de suas consequências para a concorrência entre portos e terminais

nas diversas hinterlândias que compõem o setor portuário brasileiro.

A metodologia empregada para identificação de mercados geográficos (hinterlândias)

foi a análise de agrupamentos homogêneos, sendo as mesorregiões brasileiras utilizadas como

unidades observacionais. Buscou-se identificar mesorregiões com participações percentuais

homogêneas dos portos no somatório das importações e exportações, o que significa que a

identificação de mercados geográficos foi efetuada com base nas transações observadas de

importações e exportações. Para cargas gerais, granéis sólidos e contêineres, foi possível

empregar algoritmos para garantir contiguidade espacial entre as mesorregiões em cada

mercado geográfico. Para granéis líquidos, devido ao alto número de mesorregiões sem

movimentações, não foi possível empregar critérios geográficos de contiguidade. Além disso,

devido ao alto grau de verticalização no caso de granéis líquidos, o processo de escolha de

terminais para exportação e/ou importação dos produtos não necessariamente corresponde

ao mesmo processo de escolha de terminais para exportação e/ou importação no caso dos

demais tipos de carga.

O passo seguinte foi utilizar a base de dados do Sistema de Desempenho Portuário

(SDP) da ANTAQ para identificar os portos e respectivos terminais mais importantes de cada

hinterlândia. A partir da análise das movimentações dos terminais de cada hinterlândia, foram

construídos indicadores de concorrência para cada mercado. Mais especificamente, foram

calculados os índices de Herfindahl-Hirscmann de cada hinterlândia, para cada tipo de carga.

9

Esses índices revelaram que a maioria das hinterlândias apresenta graus de concentração

moderado ou alto.

A etapa seguinte foi a de identificação dos principais fatores que afetam as decisões de

por onde escoar suas cargas feitas por importadores e exportadores. Um desses fatores é o

custo do transporte interno. Foram estimados modelos de escolha discreta para analisar o

fluxo de cargas, com origem e destino nos municípios brasileiros, em direção ou advindos dos

portos no país. Esses modelos possibilitam uma avaliação do impacto de melhorias da malha

interna de transportes (para diferentes modais) nas participações de mercado de portos e

terminais.

Outros fatores importantes são a distância entre o porto brasileiro e o porto

estrangeiro de origem ou destino da carga, o tempo de permanência da embarcação no porto

ou terminal, e, evidentemente, os preços dos serviços portuários. Essa análise também fez uso

de modelos de escolha discreta, mas a base de dados utilizada foi o SDP da ANTAQ.

Os resultados obtidos durante a segunda etapa foram em seguida avaliados do ponto

de vista de seus impactos sobre a concorrência nas diversas hinterlândias que compõem o

setor portuário brasileiro. Nessa terceira etapa, foi fundamental a realização de exercícios

baseados nas elasticidades das participações de mercado de portos e terminais a mudanças

nos fatores mencionados acima. De forma geral, os resultados indicam que as participações de

mercado de uma parcela substancial dos portos e terminais brasileiros são razoavelmente

sensíveis a variações naqueles fatores. Além disso, foram calculados os lucros residuais de uma

amostra de terminais portuários com o objetivo de identificar aqueles com poder de mercado

significativo. Por fim, foi feita uma discussão qualitativa sobre os possíveis impactos de alguns

projetos de melhorias na malha de transporte terrestre, previstos ou em execução, sobre a

concorrência no setor portuário, bem como uma análise da legislação portuária com foco nas

barreiras regulatórias à entrada no setor.

Orelatório está dividido em quatro partes, incluindo esta Introdução, mais as

Referências e o Apêndice. Na seção 2, são reproduzidas partes do estudo de hinterlândias e

índices de concentração já apresentado anteriormente à ANTAQ. A seção 3 traz as análises dos

níveis de concorrência interportos e intraportos, e está dividida em várias subseções. Há uma

subseção para cada estudo empírico que mede os impactos de um determinado fator sobre a

participação de mercado de portos e terminais, lembrando que esses fatores são custo de

transporte interno, distâncias entre portos nacionais e estrangeiros, tempo de permanência da

10

embarcação no porto e preços dos serviços portuários. Há também subseções para a análise

de lucros residuais, projetos de infraestrutura de transporte, e legislação portuária. A seção 4

apresenta as conclusões do trabalho e recomendações de políticas para o setor portuário. Por

último, o Apêndice reúne descrições detalhadas das metodologias e algumas tabelas e figuras.

2. HINTERLÂNDIAS E ÍNDICES DE CONCENTRAÇÃO

2.1. Dados e Metodologia

Os dados utilizados neste estudo referem-se a transações de exportação e importação

entre os anos de 2009 a 2012, disponíveis na base de dados ALICE da SECEX. Esses dados

possuem informações sobre a classificação da mercadoria (de acordo com a Nomenclatura

Comum do Mercosul – NCM), a quantidade movimentada, o valor da mercadoria, o porto de

alfandegagem da mercadoria, e a unidade da federação de origem ou destino da carga. Essas

variáveis foram obtidas diretamente dos registros das transações de importação ou

exportação. Além dessas variáveis, os dados utilizados contêm também uma variável

correspondente ao código do município do endereço da pessoa jurídica que realizou a

importação ou exportação. Essa variável é gerada pela própria SECEX, a partir da base de

dados do CNPJ. Para ter uma ideia da importância econômica dos portos em relação à área

geográfica, as análises foram feitas a partir dos valores dos produtos movimentados.

Os registros de importação e/ou exportação da SECEX não trazem explicitamente o

tipo de carga do produto movimentado, mas sim a classificação NCM. Para gerar as análises de

áreas de influência por tipo de carga, foi necessário efetuar uma compatibilização entre tipos

de cargas e capítulos da NCM. Essa compatibilização não necessariamente é exata, mas os

resultados gerais deste estudo indicam que essa compatibilização é uma boa aproximação

para a categorização real (ou seja, aquela que seria obtida caso a informação sobre tipos de

carga estivesse disponível na base de dados).

O principal objetivo da análise é identificar mercados relevantes do ponto de vista de

movimentação portuária. Sendo assim, não é essencial diferenciar as cargas do tipo “carga

geral” entre contêineres e não contêineres. De fato, ao analisar os dados do Sistema Brasileiro

de Navegação e Desempenho Portuário (SDP), entre 2010 e o primeiro semestre de 2013,

disponibilizados pela ANTAQ, constata-se que praticamente todas as unidades portuárias que

11

movimentam carga conteinerizada também movimentam carga geral (não conteneirizada).

Portanto, sob a ótica de especialização das unidades portuárias para fins de definição de

mercados, bastaria analisar os mercados para carga geral de forma agregada. De qualquer

forma, a informação desagregada especificamente para contêineres e para não contêineres

pode ser útil para outras análises, que não as direcionadas para a definição de mercados. Por

esse motivo, é uilizada essa desagregação na geração dos indicadores apresentados neste

texto.

Algumas considerações devem ser feitas a respeito dos dados. Primeiramente, é

preciso salientar o papel das “trading companies” em termos de informações geográficas. O

estudo das hinterlândias geográficas foi feito inicialmente a partir de informações municipais,

posteriormente agregadas por microrregiões e mesorregiões. Nesse caso, foi utilizada a

informação do município do endereço da pessoa jurídica exportadora ou importadora. Quando

a empresa é uma “trading company”, o município do endereço que consta das análises não

necessariamente corresponde ao município de origem ou destino da carga. Em todo caso,

eventuais distorções causadas por esse fato não são relevantes em termos de conclusões

gerais. Além disso, uma comparação da unidade da federação da carga com a unidade da

federação dos municípios das pessoas jurídicasrevela um batimento de quase 100%.

Outra consideração em relação aos dados disponíveis refere-se ao porto de

alfandegagem, que não necessariamente corresponde ao porto de fato de exportação ou

importação. Para alguns registros, a alfandegagem pode ter sido feita, por exemplo, em um

porto seco, sendo a carga encaminhada posteriormente para um porto marítimo. Nesse caso,

o porto registrado na base de dados é o porto seco, possivelmente no interior do país, e não o

porto que interessaria para a nossa análise. Por esse motivo, o estudo concentra-se apenas em

uma lista de portos da base de dados seguindo a tabela de terminais alfandegados da Receita

Federal1.

Na tabela obtida da Receita Federal, há, para terminais alfandegados, uma lista de

regiões fiscais (dez regiões), de portos e de terminais. Ao todo são 171 terminais, agrupados

em 50 portos. Por exemplo, o Porto de Santos engloba os seguintes terminais alfandegados:

Brasterminais; Cargil;

1 A lista de portos utilizados, com os correspondentes terminais portuários, pode ser obtida no endereço na web:http://www.receita.fazenda.gov.br/Publico/Aduana/Siscomex/Carga/TerminaisAlfandegados.xls.

http://www.receita.fazenda.gov.br/Publico/Aduana/Siscomex/Carga/TerminaisAlfandegados.xls

12

Cosipa; Cutrale; Santos Brasil; Stolthaven; Ultrafertil; União Terminais; Codesp; Grupo Libra (Pier 35); Fertimport; Granel Química; Tecondi; Vopak; Dow Química S/A; Moinho Pacífico Indústria e Comércio Ltda.; Terminal de Granéis do Guarujá – TGG.

As informações disponíveis na base de dados de importações e exportações da SECEX

contêm apenas o porto no qual ocorreu a alfandegagem. Portanto, não é possível identificar o

terminal. Do ponto de vista de identificação de mercados geográficos, no entanto, a

informação sobre o porto é suficiente.

Os mercados geográficos por tipo de carga, definidos neste trabalho, podem ser

utilizados para estudar a existência ou não de concorrência portuária no país. De fato, a

definição de mercados geográficos permite identificar, para diferentes sub-regiões no país, os

portos que competem entre si. A partir daí, podem-se calcular indicadores de concorrência

econômica entre os terminais dos portos localizados em um mesmo mercado geográfico. Por

exemplo, para um determinado grupo de municípios (vide seção 4 a seguir), aproximadamente

92% do valor total das exportações e importações, entre os anos de 2009 a 2012, foram

movimentadas pelo Porto de Santos. Portanto, para esses municípios, a concorrência entre

portos é baixa. É necessário, no entanto, estudar a concorrência que ocorre entre os terminais

do Porto de Santos para poder determinar se há ou não concorrência intraporto. Isso pode ser

feito, por exemplo, a partir das informações disponíveis no Sistema de Desempenho Portuário

da ANTAQ.

Uma forma direta de investigar o nível de concorrência entre portos ou terminais

portuários consiste em calcular suas participações de mercado, que podem ser definidas em

termos de quantidades ou de valores movimentados como porcentagem do total. Essas

participações podem então ser utilizadas para calcular índices de concentração como o de

Herfindahl-Hirschman (IHH). Liu, Gan e Chen (2012), por exemplo, analisaram a concorrência

13

entre doze portos de contêineres no hub portuário internacional da região de Shanghai (SISH2).

Os autores utilizaram dados de 1995 a 2010 para calcular o IHH com base nas fatias de

mercado, em termos de total de contêineres movimentados em TEUS, de todos os portos na

amostra.

A metodologia seguida por Liu, Gan e Chen (2012) é padrão e foi adaptada para este

estudo. Seja a fatia de mercado do porto ou terminal i e seja N o número de portos ou

terminais. O indicador IHH é calculado de acordo com a expressão:

Dado que , e que para todo , segue que

1 1n IHH . O limite inferior corresponde à situação em que todos os portos têm a

mesma participação de mercado, enquanto o limite superior corresponde à situação de

monopólio, em que um único porto movimenta 100% da carga3.

A metodologia empregada neste estudo para a identificação de mercados geográficos

foi a análise de agrupamentos homogêneos (análise de clusters). Identificaram-se

mesorregiões com participações percentuais homogêneas de cada porto no somatório das

importações e exportações da mesorregião. Dessa forma, os mercados geográficos foram

identificados com base nas transações efetivamente ocorridas de importações e exportações.

Uma das técnicas de tratamento de dados mais populares e eficientes na identificação

de agregados homogêneos em um todo heterogêneo é a análise de clusters ou análise de

agrupamentos. A técnica de tratamento de dados heterogêneos por meio de clusterização em

grupos homogêneos é antiga, e está presente na maioria de livros de estatística multivariada.

A ideia de agrupar dados que compartilham certas características vem desde a utilização de

clusters unidimensionais, nos quais dados numa reta numérica são agrupados, até

desenvolvimentos mais recentes na área de clusterização espacial. Berkhin (2002) traz uma

linha do tempo explicando as diversas técnicas de clusterização. Para uma descrição geral dos

algoritmos de clusterização, vide Hastie, Tibshirani e Friedman (2001), Khattree e Naik (2000),

Berry e Linoff (1997), e Alpaydin (2004).

2 Em inglês, Shanghai International Shipping Hub. 3 Liu, Gan e Chen (2012) apresentam alguns limites para caracterizar concentração na operação de containers. Para IHH acima de 0,1, há indicativos de concentração; para IHH acima de 0,18, há indicativos de alta concentração na operação de movimentação de containers. A Divisão de Antitruste do Departamento de Justiça americano considera que IHH entre 0,15 e 0,25 são indicadores de concentração moderada e IHH acima de 0,25 traz indicações de um mercado altamente concentrado (vide U.S. Department of Justice and the Federal Trade Commission, 2010). Para valores do IHH menores do que 0,15, há indicações de um mercado não concentrado.

is

2 2 2

1 2 NIHH s s s

1 2 1Ns s s 0is 1, ,i N

14

Especificamente para dados geográficos, os modelos de clusterização tradicionais

podem ser adaptados para incorporar o componente de contiguidade entre as unidades

geográficas de cada cluster. Grande parte dessas técnicas de clusterização está baseada em

modelos probabilísticos, para os quais procedimentos bayesianos ou de máxima

verossimilhança são empregados. Li, Ramachandran, Movva Graves, Plale e Vijayakumar

(2008), por exemplo, utilizaram técnicas de agrupamento espacial para aprimorar a previsão

do tempo. Na área de saúde, Gangnon e Clayton (2003) estudaram casos de leucemia em Nova

York para aprimorar métodos de clusterização espacial, usando simulações de Monte Carlo e

cadeias de Markov. Lawson e Denison (2002) apresentaram uma coletânea de artigos sobre

clusterização espacial aplicada a diversas áreas. Em geral, as técnicas baseadas em modelos

probabilísticos tratam da identificação de áreas homogêneas com base na intensidade de

ocorrências de eventos no espaço, ou com base em apenas uma variável de interesse (por

exemplo, temperatura do ar, número de casos de leucemia por habitante etc.).

Os algoritmos empregados neste trabalho para identificação de mercados geográficos

homogêneos, em termos de participação dos portos nas exportações mais importações,

pertencem à família de algoritmos de clusterização hierárquicos. Os métodos tradicionais de

clusterização hierárquica consistem em identificar clusters homogêneos progressivamente, por

meio da metamorfose (junção ou separação) de clusters anteriores na amostra. O critério para

a formação progressiva de clusters é a distância entre eles. Diversas distâncias podem ser

adotadas. Mais detalhes sobre essa metodologia podem ser encontrados no Apêndice.

Foram realizadas análises de clusterização para identificação de mercados geográficos

para quatro tipos de carga: Cargas gerais (incluindo contêineres), granéis sólidos, granéis

líquidos e contêineres isoladamente. Para cargas gerais, granéis sólidos e granéis líquidos, foi

possível empregar algoritmos para garantir contiguidade espacial entre as mesorregiões em

cada mercado geográfico. Para granéis líquidos, devido ao alto número de mesorregiões sem

movimentações, não foi possível empregar critérios geográficos de contiguidade. Além disso,

devido ao alto grau de verticalização no caso de granéis líquidos, o processo de escolha de

terminais para exportação e/ou importação dos produtos não corresponde necessariamente

ao processo de escolha de terminais para exportação e/ou exportação no caso dos demais

tipos de carga.

2.2. Definição dos Mercados Geográficos

As figuras 1 a 4 abaixo apresentam,para os quatro tipos de carga estudados, os mapas

dos mercados geográficos obtidos a partir da análise de clusterização.As três primeiras vêm

15

acompanhadas de tabelas que especificam as mesorregiões que pertencem a cada mercado

geográfico. Há também estatísticas sobre a importância dos portos para cada mercado

geográfico.

Figura 1 –Mercados Geográficos para Carga Geral (incluindo Contêineres) – 2009 a 2012

Elaboração dos autores

16

Tabela 1 – Participação dos Portos mais Importantes para Cargas Gerais (incluindo Contêineres), entre 1997 e 2012, para os Mercados Geográficos Identificados4

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Cargas

Gerais (incluindo Contêineres) Porto mais

Importante no último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Aratu/Salvador 70,9% 69,1% 66,2% 52,0% 52,1% Salvador

Barcarena/Belém 30,7% 53,7% 62,7% 74,9% 84,6% Barcarena

Itajaí/São Francisco do Sul 41,5% 47,6% 57,0% 62,2% 65,0% Itajaí

Manaus 94,7% 96,7% 95,4% 95,4% 86,1% Manaus

Paranaguá 76,6% 79,6% 72,4% 75,6% 80,8% Paranaguá

Pecém/Fortaleza 48,5% 65,8% 59,1% Pecém

Rio de Janeiro/Sepetiba/Santos 62,1% 60,9% 47,8% 57,6% 52,3% Rio de Janeiro

Rio Grande 85,5% 83,3% 87,6% 88,0% 89,7% Rio Grande

Santos 87,6% 88,6% 89,7% 90,5% 91,4% Santos

Santos/Paranaguá/Manaus 24,0% 34,3% 31,5% 29,4% 49,6% Santos

São Luiz 84,8% 85,4% 87,1% 85,4% 74,3% São Luiz

Suape/Maceió/Recife 18,6% 44,2% 33,1% 44,2% 54,5% Suape

Vitória 81,1% 86,3% 83,7% 83,9% 82,5% Vitória

Vitória/Santos 9,9% 3,9% 12,0% 35,1% 52,4% Vitória

Elaboração dos autores.

Figura 2 – Mercados Geográficos para Carga Conteinerizada – 2009 a 2012

4 A primeira coluna da tabela traz o mercado geográfico para o tipo de carga específico, as colunas 2 a 6 trazem o percentual, sobre o total exportado mais importado dos municípios das mesorregiões em cada mercado geográfico, que foi alfandegado no principal porto no mercado correspondente. A última coluna da tabela traz o nome do principal porto. Por exemplo, de acordo com a tabela, no período 2009 a 2012, para o mercado geográfico Itajaí / São Francisco do Sul, 65,0% do valor total exportado mais importado foram alfandegados no porto de Itajaí, que é o porto mais importante para essa hinterlândia.

17


Tabela 2 – Participação dos Portos mais Importantes para Contêineres, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para

Contêineres Porto mais Importante no último Trimestre 1997

a 1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Barcarena/Belém/Santarém 2,9% 2,5% 12,9% 25,1% 38,2% Barcarena


Manaus 94,0% 96,2% 96,9% 96,0% 85,4% Manaus



Rio de Janeiro/Santos/Sepetiba 62,3% 58,2% 50,5% 59,0% 52,8% Rio de Janeiro


Salvador 69,0% 52,7% 45,7% 50,1% 57,8% Salvador

Santos 86,2% 88,1% 89,4% 91,6% 92,8% Santos


18

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para

Contêineres Porto mais Importante no último Trimestre 1997

a 1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Santos/Vitória 55,4% 68,5% 63,2% 65,5% 61,8% Santos

São Luiz 66,2% 74,6% 88,0% 76,3% 80,1% São Luiz


Vitória 69,5% 81,7% 80,7% 84,7% 79,6% Vitória


Figura 3– Mercados Geográficos para Granéis Sólidos – 2009 a 2012


19

Tabela 3 – Participação dos Portos mais Importantes para Granéis Sólidos, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Granéis

Sólidos Porto mais Importante no último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Aratu/Salvador 20,3% 72,1% 72,5% 78,3% 75,4% Aratu

Fortaleza/Pecém 97,3% 95,9% 68,3% 73,4% 63,7% Fortaleza

Itajaí/São Francisco do Sul/Imbituba 50,6% 24,6% 11,7% 21,7% 42,5% Itajaí

Macapá/Barcarena/Santarém 0,1% 0,1% 1,7% 5,1% 42,4% Macapá

Manaus/Santarém 97,8% 89,3% 93,3% 77,1% 58,9% Manaus

Paranaguá/Corumbá 65,7% 80,5% 80,0% 79,2% 74,2% Paranaguá

Recife/Suape/Maceió/Aracaju/Cabedelo 1,5% 5,2% 14,0% 15,6% 32,6% Suape


Santos 83,9% 79,7% 76,7% 87,3% 90,4% Santos

Santos/Paranaguá/Vitória 60,0% 38,5% 38,5% 37,7% 44,7% Santos

São Luiz 99,7% 99,9% 97,4% 97,6% 99,2% São Luiz

Vitória 98,9% 99,1% 99,4% 99,0% 98,8% Vitória

Vitória/Sepetiba 32,0% 40,4% 48,2% 50,0% 49,1% Sepetiba



20

Figura 4 – Mercados Geográficos para Granéis Líquidos – 2009 a 2012


Observe que, para granéis líquidos, há um número considerável de mesorregiões sem

movimentações. Isso se deve primeiramente ao fato de que granéis líquidos correspondem a

produtos muito específicos, que não são produzidos em todo o território nacional. Além disso,

o setor de produção de graneis líquidos é bastante concentrado, com um número bem menor

de empresas produtoras do que no caso das demais cargas. É importante ressaltar também

que, além dessa alta concentração, há um alto grau de verticalização na produção de muitas

mercadorias que se enquadram nessa categoria, com a produção integrada ao transporte da

carga, o que afeta a análise de concorrência para esse tipo de carga.

Pelo fato de haver um número considerável de mesorregiões sem movimentação de

cargas (importações mais exportações) no período considerado, não foi possível utilizar

algoritmos de clusterização espacial para os granéis líquidos. Por esse motivo, os mercados

geográficos construídos não são compostos de mesorregiões contíguas, como ocorreu para os

demais tipos de carga. Além disso, o número de hinterlândias resultantes da aplicação dos

21

diversos critérios de seleção do número de clusters foi maior do que para os demais tipos de

carga.

Para cargas gerais, contêineres e granéis sólidos, foi possível especificar mercados

geográficos com mesorregiões contíguas. Apesar de os mercados geográficos variarem,

dependendo do tipo de carga, nota-se um padrão claro: Os portos mais importantes para cada

mesorregião são aqueles mais próximos geograficamente. Além disso, para mesorregiões mais

afastadas da costa há uma maior competição entre os portos do que para mesorregiões

próximas à costa.

Entre os grupos de portos localizados nos mesmos mercados geográficos5, destacam-

se os seguintes:

(i) Aratu, Salvador, Ilhéus; (ii) Sepetiba, Rio de Janeiro, Niterói; (iii) Pecém, Recife, Cabedelo, Sergipe, Maceió; (iv) Barcarena, Belém; (v) Santos, Paranaguá, Vitória (para hinterlândias afastadas da costa); (vi) Rio Grande, Itajaí, São Francisco do Sul, Porto Alegre (dependo das

hinterlândias, essa competição é maior ou menor); (vii) São Luiz, Itaqui.

É importante ressaltar novamente que o termo “portos” acima refere-se aos portos de

alfandegagem. Cargas registradas como exportadas ou importadas pelo Porto de Manaus, por

exemplo, na verdade podem ter sido alfandegadas em qualquer um dos terminais abaixo, de

acordo com a lista da Receita Federal6:

Estação Hidroviária da Amazônia Terminal da Petrobras Super Terminais Chibatão Navegação e Comércio Ltda. Cimento Vencemos do Amazonas Brteman Empresa de Revitalização

5 Portos localizados em um mesmo mercado geográfico não necessariamente competem entre si. Por

exemplo, os portos de Salvador, Aratu e Ilhéus pertencem à Cia Docas do Estado da Bahia, assim como os portos de Barcarena e Belém pertencem à Cia Docas do Estado do Pará. A identificação dos mercados geográficos, com os respectivos portos em cada um deles, é fundamental para a posterior mensuração da concorrência entre terminais dentro de cada mercado, conforme estudado mais adiante neste relatório. 6Vide http://www.receita.fazenda.gov.br/Publico/Aduana/Siscomex/Carga/TerminaisAlfandegados.xls.

Note em particular que as cargas registradas como importadas ou exportadas pelo Porto de Manaus

podem ter sido movimentadas pelo SuperTerminais ou pelo Terminal de Chibatão, que são

competidores nessa região.


22

O exemplo do Porto de Manaus pode ser usado para entender melhor o que está

sendo medido e analisado. Pela Tabela 1, por exemplo, nota-se que 86,1% das cargas gerais

com origem nas mesorregiões localizadas no mercado geográfico de Manaus saem pelo Porto

de Manaus, enquanto 13,4% saem pelos portos de Suape, Sepetiba e Santos. Nota-se que há

uma concentração grande da movimentação pelos terminais correspondentes ao Porto de

Manaus. Isso indica que, possivelmente devido aos custos altos de transporte, exportadores e

importadores localizados nas mesorregiões da hinterlândia de Manaus concentram as suas

movimentações em um único polo geográfico7. No entanto, o fato de as cargas da hinterlândia

de Manaus serem movimentadas majoritariamente pelo polo geográfico de Manaus não

implica a inexistência de competição na prestação de serviços portuários. As cargas que

passam por esse polo podem estar sendo movimentadas por qualquer um dos terminais

listados acima, inclusive o SuperTerminais e o Terminal de Chibatão, que são competidores

potenciais. Isso sugere que a análise de hinterlândias precisa ser complementada por um

estudo sobre a competição entre os terminais localizados nos portos de mais peso para cada

um dos mercados geográficos, o que será feito mais adiante.

Antes de fechar esta seção, vale relembrar que foi necessário realizar algumas

aproximações, a partir da principal base de dados (transações de exportação e importação

registradas na SECEX) aqui usada, para desenvolver a análise. A primeira foi a compatibilização

da classificação NCM com a classificação que divide a carga em quatro tipos, quais sejam carga

geral, contêineres, granéis sólidos e granéis líquidos. A segunda foi a de considerar o local de

alfandegagem como o porto de movimentação (exportação ou importação). Em alguns casos,

é possível que a carga tenha sido alfandegada em um determinado local, sendo na sequência

encaminhada para um porto marítimo, pelo qual foi exportada. Finalmente, a terceira

consistiu em identificar o município de origem ou destino das cargas a partir do endereço do

exportador ou importador. No entanto, esse endereço pode ser o de uma “trading company”,

por exemplo, o que pode levar a alguma imprecisão nas estimativas.

Essas aproximações aparecem, por exemplo, na identificação de hinterlândias para

cargas conteinerizadas, conforme mostrado na Tabela 2. Nessa tabela, nota-se que aexistência

de movimentações de contêineres também pelo Porto de Aratu, quando na verdade não há

terminais de contêineres naquele porto. Essa distorção pode estar ocorrendo por dois

motivos: (a) As cargas conteinerizadas podem estar sendo alfandegadas em algum ponto de

7Essa análise segue a mesma linha dos procedimentos empregados em Langen (2007).

23

alfandegagem no Porto de Aratu e, em seguida, encaminhadas para o terminal de contêineres

de Salvador, por exemplo; (b) Na compatibilização entre a classificação NCM e a classificação

por tipo de carga (carga geral, contêineres, granéis sólidos, granéis líquidos), alguns produtos

podem ter sido classificados em uma determinada NCM associada a contêineres quando na

verdade deveriam ter sido associados a cargas gerais não conteinerizadas.

Mesmo com as imprecisões resultantes das hipóteses necessárias para utilizar as

informações da base de dados da SECEX, os resultados gerais mostraram-se satisfatórios. Além

disso, quando, mais adiante, forem calculados os indicadores de concentração portuária com

foco nos terminais e nos tipos de carga dentro de cada hinterlândia, serão utilizados dados

sobre movimentações registradas no SDP da ANTAQ, que são mais confiáveis em termos de

caracterização dos tipos de carga de fato movimentada.

2.3. Considerações sobre a Concorrência entre o Modal Portuário e

outros Modais de Transporte e sobre o Impacto dosTerminais

Privados na Concorrência Portuária

Os dados da SECEX permitem identificar pontos de alfandegagem também para cargas

que atravessam as fronteiras do país por rodovias e ferrovias. Além disso, fornecem

informações sobre pontos de alfandegagem nos aeroportos brasileiros, o que possibilita a

realização de análises sobre exportação e importação por via área. Na primeira parte desta

seção, serão apresentados os resultados de um estudo sobre esses outros modais de

transporte.

Na segunda parte, será realizada uma análise mais aprofundadada concorrência entre

provedores de serviços portuários para exportação e importação de produtos brasileiros.

Elaterá como ponto de partida as hinterlândias portuárias brasileiras já identificadas, e

investigará a concorrência entre os terminais dentro de cada mercado geográfico. Um dos

benefícios dessa análise é a potencial identificação de hinterlândias para as quais haja a

necessidade de investimentos privados ou públicos para aumentar a concorrência. No caso de

investimentos privados, os terminais de uso privado (TUP) podem ser um instrumento

importante para viabilizar esse aumento da concorrência.

24

2.3.1. Concorrência com Outros Modais de Transporte

São apresentados a seguir alguns indicadores a respeito da concorrência entre o modal

portuário e os demais modais utilizados para exportação e importação de cargas no país,mais

precisamente, os modais terrestres (rodoviário e ferroviário) e o modal aéreo.

A fonte de dados é novamente a SECEX, mas dessa vez com foconas transações

alfandegadas em postos da Receita Federal na fronteira do Brasil com os países vizinhos na

América Latina (para o caso dos modais terrestres), e em postos da Receita Federal nos

aeroportos brasileiros (para o caso do modal aéreo). As movimentações são separadas por tipo

de mercadoria transacionada, de acordo com os capítulos da Nomenclatura Comum do

Mercosul (NCM).

De maneira geral, é possível identificar uma diferença significativa nos perfis dos

produtos movimentados pelos três modais, em termos de exportações ou importações. Os

produtos movimentados pelos aeroportos são os que possuem maior valor monetário por

tonelada, como já era de se esperar. De fato, em média, o valor médio dos produtos

exportados ou importados pelo modal aéreo é igual a US$ 6,02 (valor FOB) por quilograma,

para as transações realizadas em 2011. O modal portuário é o que apresenta o menor valor

por peso. Para o ano de 2011, o valor médio foi igual a US$ 0,58 por quilograma. Nesse mesmo

ano, o modal ferroviário teve média igual a US$ 0,86 por quilograma e o modal rodoviário

apresentou uma média de US$ 2,60 por quilograma. Note que o modal ferroviário foi o que

apresentou o valor médio por peso mais próximo do valor médio para os portos.

Em termos de importância dos modais em relação ao total exportado ou importado, os

portos são responsáveis por 97% das toneladas totais movimentadas e responsáveis por 82%

do valor total movimentado (valores FOB), considerando-se os valores para o ano de 2011.

Aeroportos são responsáveis por quase 12% do valor total exportado ou importado. Rodovias

e ferrovias são responsáveis pelos 6% restantes do valor total transacionado no comércio

exterior.

Os principais produtos exportados ou importados pelos aeroportos, em termos de

valor monetário, são máquinas, aparelhos e instrumentos mecânicos ou elétricos, produtos

farmacêuticos, aeronaves e suas partes, instrumentos de ótica e fotografia, pedras preciosas,

produtos químicos orgânicos, veículos e suas partes. Conforme discutido acima, esses

produtos correspondem a itens de alto valor agregado, o que justifica o seu transporte por via

aérea. Os aeroportos mais importantes para as cargas exportadas e importadas pelo modal

aéreo são Viracopos (Campinas), Guarulhos (São Paulo), Manaus e Galeão (Rio de Janeiro).

25

No caso de rodovias, o segundo modal em termos de valor das cargas por tonelada, os

produtos principais, em termos de valores FOB, são veículos automóveis e suas partes,

máquinas, aparelhos e instrumentos mecânicos e elétricos, combustíveis e óleos minerais,

papel e celulose, borracha e derivados, produtos de indústrias químicas e carnes. Os quatro

pontos de alfandegagem na fronteira para carga transportada pelas estradas são Uruguaiana,

São Borja, Foz do Iguaçu e Chuí. O de Foz do Iguaçu está localizado no Paraná, enquanto os

demais estão localizados no Rio Grande do Sul. Juntos, esses quatro postos são responsáveis

por 85% do valor total (FOB) e 73% da quantidade importada ou exportada pelas rodovias

brasileiras. O fato de uma boa quantidade de carga estar saindo pelas rodovias do sul do país

pode ser explicado pela participação do Brasil no Mercosul e pela possível utilização de portos

no Uruguai e na Argentina com alternativa para exportações e/ou importações de produtos.

Os produtos predominantes no modal portuário, em termos de valores monetários,

são aqueles na categoria de combustíveis e óleos minerais, seguidos de minérios. Além desses,

também merecem destaque máquinas, aparelhos e instrumentos mecânicos e elétricos,

veículos automóveis, grãos, ferro, alimentos e produtos químicos. Em termos de valores FOB,

os portos mais importantes são Santos, Vitória, Sepetiba, Paranaguá e São Luiz, nessa ordem.

Em termos de toneladas exportadas ou importadas, os portos mais importantes são Vitória,

Sepetiba, São Luiz, Santos e Paranaguá, nessa ordem.

Para os produtos que passam por pontos de alfandegagem em ferrovias na fronteira

do país, os principais produtos em termos de valor são ferro e aço, produtos da indústria de

moagem, papel e celulose e veículos e suas peças. Conforme comentado anteriormente, o

valor total e o peso transportado ainda são muito pequenos em relação aos totais para os

diversos modais somados. Por outro lado, com um volume suficiente de investimentos no

transporte ferroviário, esse modal pode tornar-se no futuro uma alternativa importante para

escoamento de produtos do comércio exterior brasileiro.

Fica claro pela discussão acima que os portos constituem o modal mais importante

para saída ou entrada de produtos no Brasil. O transporte aéreo de carga, por sua vez, possui

características bem distintas em termos de produtos transportados. Isso evidencia que portos

e aeroportos não competem no mesmo mercado de movimentação de cargas. Os produtos

transportados por meio aéreo possuem, em média, valores por peso mais de dez vezes

maiores do que os produtos transportados por portos.

Já os modais rodoviários e ferroviários possuem participação muito inferior no

comércio exterior brasileiro, quando comparados com os portos. Isso pode mudar à medida

que o comércio do Brasil com vizinhos sul-americanos aumente. Além disso, caso portos

localizados em outros países da América do Sul, como Argentina e Uruguai, tornem-se mais

26

competitivos em relação aos portos brasileiros, pode ocorrer um aumento do transporte por

vias terrestres nacionais para posterior saída ou entrada por portos estrangeiros.

Essa discussão também deixa claro que as hinterlândias delimitadas neste trabalho são

relevantes não somente para o setor portuário, mas também para as transações de comércio

exterior brasileiro como um todo.

2.3.2. Concorrência entre Terminais de Uso Público e Terminais

de Uso Privativo

A Lei no 12.815, de 5 de junho de 2013, conhecida como nova Lei dos Portos, tem

como objetivos: (a) Aumentar a capacidade de movimentação de carga por meio de

investimentos da iniciativa privada; (b) Reduzir gargalos logísticos; (c) Reduzir os custos dos

usuários dos portos no Brasil. Entre os principais pontos, destacam-se:

Na lei anterior (Lei no 8.630, de 25 de fevereiro de 1993), as instalações portuárias

de uso privativo podiam movimentar apenas cargas próprias, ou cargas de

terceiros de forma limitada;

Na nova lei, não há mais distinção entre carga própria e de terceiros. Terminais de

uso privado (definidos, de acordo com a Lei no 12.815, como aqueles localizados

fora da área do porto organizado e explorados mediante autorização), em

particular, são livres para movimentar tanto cargas próprias quanto de terceiros;

Terminais de uso privado podem ser construídos em qualquer lugar, respeitando-

se uma chamada pública. Há um processo de seleção entre os candidatos que se

interessarem pelo local;

Esse processo de seleção usará como critério de julgamento, de forma isolada ou

combinada, a maior capacidade de movimentação, a menor tarifa ou o menor

tempo de movimentação de carga (e possivelmente outros estabelecidos em

edital).

Os terminais de uso privado continuam sem a obrigação de contratar

trabalhadores do OGMO. Além disso, mesmo no caso de serviços realizados dentro

do porto organizado, a nova lei estabelece que caso seja “celebrado contrato,

acordo ou convenção coletiva de trabalho entre trabalhadores e tomadores de

serviços, o disposto no instrumento precederá o órgão gestor e dispensará sua

intervenção nas relações entre capital e trabalho no porto.”

27

A expectativa é de que, em vista dos dispositivos listados acima e outros, a nova lei

seja um marco importante para atrair os investimentos privados necessários para suprir a

demanda por movimentações de diversos tipos de carga no Brasil nos próximos anos. Além

disso, ela traz ganhos potenciais de concorrência, que serão discutidos em uma seção

posterior.

Embora a nova lei não faça mais uso dos termos terminais portuários de uso público

(PP) e de uso privativo (TUP), é importante investigar alguns aspectos da concorrência entre

eles, o que é feito a seguir.

Os terminais de uso privativo (conforme terminologia da Lei no 8.630, de 25 de

fevereiro de 1993) representam um importante instrumento para ampliar a concorrência no

setor portuário brasileiro. A tabela abaixo apresenta a divisão de mercado, para o total de

cargas movimentadas (em toneladas), entre terminais públicos (PP) e privativos (TUP) de 2010

a 2013 (para o ano de 2013, forma usados valores até o mês de junho). Os dados foram

extraídos do banco de dados do Sistema de Desempenho Portuário (SDP) da ANTAQ.

Tabela 4 – Divisão do Mercado entre Terminais de Uso Privativo e de Uso Público

Carga Geral (incluindo Contêineres) Contêineres

Ano PP TUP PP TUP

2010 66,92% 33,08% 85,46% 14,54%

2011 66,28% 33,72% 84,12% 15,88%

2012 64,33% 35,67% 82,19% 17,81%

2013* 64,72% 35,28% 78,59% 21,41%

Granéis Sólidos Granéis Líquidos

Ano PP TUP PP TUP

2010 33,12% 66,88% 20,06% 79,94%

2011 33,12% 66,88% 20,21% 79,79%

2012 33,57% 66,43% 21,01% 78,99%

2013* 38,31% 61,69% 10,06% 89,94%

Fonte: SDP/Antaq Elaboração dos autores. Observação: (*) O ano de 2013 inclui apenas valores até junho.

28

É possível observar que os terminais de uso privativo vêm tendo um papel importante

no suprimento de serviços portuários, principalmente na movimentação de granéis sólidos e

granéis líquidos. Para contêineres, nota-se um crescimento da participação dos terminais de

uso privativo entre 2010 e 2012 (passando de 14,5% para 17,8%). Para granéis sólidos e

granéis líquidos, as participações de mercado das duas modalidades de terminais se

mostraram estáveis entre 2010 e 2012.

Também percebe-se a importância de terminais privativos ao nível dos mercados

geográficos identificados anteriormente. De acordo com aTabela 1, por exemplo, em torno de

86,1% das exportações e importações entre 2009 e 2012 referentes à hinterlândia de Manaus

foram efetuadas pelos terminais localizados no Estado do Amazonas, todos de uso privativo8.

Dentre os terminais que movimentaram carga geral no Estado do Amazonas, os mais

importantes são o SuperTerminais e o Terminal de Chibatão. O Super Terminais, de acordo

com dados do SDP, movimentou quase 27% do total de toneladas registradas para os

terminais do Estado do Amazonas, em 2012. Chibatão e Chibatão 2 movimentaram juntos mais

de 51% do total de toneladas no mesmo ano. Os terminais desse estado são fundamentais

para a redução dos custos logísticos das cargas correspondentes, pois, caso não fossem

movimentadas por esses terminais, essas cargas seguiriam para terminais muito distantes da

sua origem ou do seu destino.

Terminais de uso público (arrendados) também são muito importantes em certos mercados mercados geográficos. Por exemplo, na hinterlândia de Santos, no caso de carga geral (incluindo contêineres), 91,4% do total de carga exportada ou importada são alfandegadas nos terminais correspondentes ao polo de alfandegagem de Santos, como também pode ser encontrado na Tabela 1. Portanto, para os munícipios nessa hinterlândia, é importante que haja concorrência entre os terminais localizados no Estado de São Paulo. A

8 Nos dados da SECEX, há apenas um porto de alfandegagem da Receita Federal para Manaus (vide

discussão na seção de dados utilizados). Esse porto corresponde a um conjunto de terminais, incluindo o SuperTerminais e o Terminal de Chibatão.

29

Tabela 5 a seguir traz uma caracterização da divisão de mercado entre os terminais no

estado de São Paulo, para o ano de 2012, utilizando dados do SDP. Note que o terminal com

maior movimentação, em toneladas, é o TECON, com quase 46% da movimentação total em

2012, e que a concorrência na hinterlândia de Santos se dá basicamente entre os terminais

arrendados, não havendo terminal de uso privativo com movimentação expressiva na região.

30

Tabela 5 – Divisão de Mercado para os Terminais da Hinterlândia de Santos para Carga Geral (incluindo Contêineres) em 2012

Terminal Movimentação Bruta

(milhares de toneladas) Fatia do Mercado (%)

Porto de Santos - Cais Público 5.663,6 15,62%

Moinho Santista 7,8 0,02%

Rodrimar 2.429,8 6,70%

T-35 4.776,8 13,18%

T-37 1.881,5 5,19%

TEAÇU1 225,9 0,62%

TEAÇU3 239,5 0,66%

TECON 16.654,5 45,94%

TECONDI 2.701,2 7,45%

Cais Publico 280,7 0,77%

TUP USIMINAS 1.394,7 3,85%

Fonte: SDP/Antaq. Elaboração dos autores.

A análise das duas hinterlândias acima (Santos e Manaus) evidencia que os pesos

relativos dos terminais de uso privativo e de uso público dependem do mercado geográfico e

do tipo de carga. Na hinterlândia de Santos, a concorrência se dá basicamente entre terminais

arrendados9, enquanto, na hinterlândia de Manaus, ela ocorre apenas entre terminais

privativos. De maneira geral, nota-se que a identificação de mercados geográficos pode ser

utilizada para aprofundar o estudo concorrencial entre terminais portuários brasileiros.

2.4. Índices de Concentração nas Hinterlândias

Nesta seção analisa-se a concorrência tanto entre portos quanto entre terminais com

base em indicadores de concentração para cada uma das hinterlândias identificadas

anteriormente. Essa análise é realizada para cargas gerais (incluindo contêineres), contêineres

isoladamente e granéis sólidos. Para granéis líquidos, devido ao alto grau de verticalização na

9Vale ressaltar que,com a entrada em operação do TUP da Embraport no porto de Santos, em 2013,

passou a existir concorrência entre esse terminal privado (privativo na terminologia anterior) eos terminais já existentes na hinterlândia de Santos.

31

cadeia produtiva desse setor, no qual a Petrobrás tem um grande peso, não faz sentido

analisar concorrência da mesma forma que nos demais casos.

Como já foi mencionado anteriormente, o termo porto nesta análise faz referência ao

porto de alfandegagem, em conformidade com os pontos de alfandegagem da Receita Federal.

Os efeitos dessa aproximação, consequência da forma como os dados da SECEX são

registrados, sobre a análise de índices de concentração são semelhantes àqueles sobre a

análise de hinterlândias (já discutidos à exaustão neste estudo), de forma que não há

necessidade de revisitar esse assunto.

As tabelas 6 a 8 trazem as fatias de mercado dos portos mais importantes, para cada

uma das hinterlândias identificadas, de 1997 a 2012. Para facilitar a visualização dos

resultados, os dados estão divididos em triênios (à exceção do último período, que

corresponde aos anos de 2009 a 2012). Para a hinterlândia de Manaus, por exemplo, no caso

de contêineres, os terminais localizados no porto de alfandegagem de Manaus foram

responsáveis por uma fatia em torno de 95% ao longo dos anos de 1997 a 2008. Nos últimos

anos, houve uma redução da fatia de mercado desse porto de alfandegagem, que passou para

85,4%. De maneira geral, as participações dos principais portos mantiveram-se em patamares

relativamente estáveis.

Tabela 6 – Participação dos Portos mais Importantes para Cargas Gerais (incluindo Contêineres), entre 1997 e 2012, para os Mercados Geográficos Identificados10

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Cargas Gerais

(incluindo Contêineres) Porto mais Importante no último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Aratu/Salvador 70,9% 69,1% 66,2% 52,0% 52,1% Salvador

Barcarena/Belém 30,7% 53,7% 62,7% 74,9% 84,6% Barcarena


Manaus 94,7% 96,7% 95,4% 95,4% 86,1% Manaus



10 A primeira coluna da tabela traz o mercado geográfico para o tipo de carga específico, as colunas 2 a 6 trazem o percentual, sobre o total exportado mais importado dos municípios das mesorregiões em cada mercado geográfico, que foi alfandegado no principal porto no mercado correspondente. A última coluna da tabela traz o nome do principal porto. Por exemplo, de acordo com a tabela, no período 2009 a 2012, para o mercado geográfico Itajaí / São Francisco do Sul, 65,0% do valor total exportado mais importado foram alfandegados no porto de Itajaí, que é o porto mais importante para essa hinterlândia.

32

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Cargas Gerais

(incluindo Contêineres) Porto mais Importante no último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Rio de Janeiro/Sepetiba/Santos 62,1% 60,9% 47,8% 57,6% 52,3% Rio de Janeiro


Santos 87,6% 88,6% 89,7% 90,5% 91,4% Santos


São Luiz 84,8% 85,4% 87,1% 85,4% 74,3% São Luiz


Vitória 81,1% 86,3% 83,7% 83,9% 82,5% Vitória

Vitória/Santos 9,9% 3,9% 12,0% 35,1% 52,4% Vitória


Tabela 7 – Participação dos Portos mais Importantes para Contêineres, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Contêineres

Porto mais Importante no

último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Barcarena/Belém/Santarém 2,9% 2,5% 12,9% 25,1% 38,2% Barcarena


Manaus 94,0% 96,2% 96,9% 96,0% 85,4% Manaus



Rio de Janeiro/Santos/Sepetiba 62,3% 58,2% 50,5% 59,0% 52,8% Rio de Janeiro


Salvador 69,0% 52,7% 45,7% 50,1% 57,8% Salvador

Santos 86,2% 88,1% 89,4% 91,6% 92,8% Santos


Santos/Vitória 55,4% 68,5% 63,2% 65,5% 61,8% Santos

São Luiz 66,2% 74,6% 88,0% 76,3% 80,1% São Luiz


Vitória 69,5% 81,7% 80,7% 84,7% 79,6% Vitória


33

Tabela 8 – Participação dos Portos mais Importantes para Granéis Sólidos, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Participação (%) de Mercado para o Porto mais Importante para Granéis

Sólidos Porto mais Importante no último Trimestre

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012


Fortaleza/Pecém 97,3% 95,9% 68,3% 73,4% 63,7% Fortaleza

Itajaí/São Francisco do Sul/Imbituba 50,6% 24,6% 11,7% 21,7% 42,5% Itajaí

Macapá/Barcarena/Santarém 0,1% 0,1% 1,7% 5,1% 42,4% Macapá

Manaus/Santarém 97,8% 89,3% 93,3% 77,1% 58,9% Manaus

Paranaguá/Corumbá 65,7% 80,5% 80,0% 79,2% 74,2% Paranaguá

Recife/Suape/Maceió/Aracaju/Cabedelo 1,5% 5,2% 14,0% 15,6% 32,6% Suape


Santos 83,9% 79,7% 76,7% 87,3% 90,4% Santos

Santos/Paranaguá/Vitória 60,0% 38,5% 38,5% 37,7% 44,7% Santos

São Luiz 99,7% 99,9% 97,4% 97,6% 99,2% São Luiz

Vitória 98,9% 99,1% 99,4% 99,0% 98,8% Vitória

Vitória/Sepetiba 32,0% 40,4% 48,2% 50,0% 49,1% Sepetiba



As tabelas 9 a 11 apresentam os índices de Herfindahl–Hirschman (IHH) para cada uma

das hinterlândias, por tipo de carga, e para diferentes triênios. Esse é um dos indicadores mais

utilizados para identificar concentração de mercado. De acordo com a Divisão de Antitruste do

Departamento de Justiça Americano (vide U.S. Department of Justice and the Federal Trade

Comission, 2010), valores de IHH entre 0,15 e 0,25 sugerem mercados moderadamente

concentrados. Valores maiores do que 0,25 indicam mercados altamente concentrados. Liu,

Gan e Chen (2012) apresentam alguns limites para caracterizar concentração na operação de

contêineres. Para IHH acima de 0,1, há indicativos de concentração; para IHH acima de 0,18, há

indicativos de alta concentração na operação de movimentação de contêineres.

34

Tabela 9 – Indicadores de Herfindahl-Hirschman para Cargas Gerais (incluindo Contêineres), entre 1997 e 2012, para os Mercados Geográficos Identificados11

Mercado Geográfico

Índice de Herfindahl–Hirschman para Carga Geral (incluindo Contêineres)

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Aratu/Salvador 0,516 0,510 0,472 0,389 0,389

Barcarena/Belém 0,357 0,402 0,455 0,590 0,724

Itajaí/São Francisco do Sul 0,362 0,410 0,426 0,438 0,476

Manaus 0,897 0,935 0,910 0,910 0,747

Paranaguá 0,602 0,645 0,543 0,587 0,665

Pecém/Fortaleza 0,687 0,773 0,390 0,496 0,405

Rio de Janeiro/Sepetiba/Santos 0,433 0,409 0,301 0,383 0,338

Rio Grande 0,735 0,699 0,770 0,777 0,807

Santos 0,771 0,788 0,806 0,820 0,836

Santos/Paranaguá/Manaus 0,231 0,235 0,214 0,190 0,299

São Luiz 0,729 0,743 0,764 0,733 0,563

Suape/Maceió/Recife 0,218 0,253 0,189 0,254 0,343

Vitória 0,668 0,750 0,706 0,709 0,686

Vitória/Santos 0,272 0,460 0,415 0,348 0,428


Tabela 10 – Indicadores de Herfindahl-Hirschman para Contêineres, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Índice de Herfindahl–Hirschman para Contêineres 1997

a 1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Barcarena/Belém/Santarém 0,374 0,422 0,272 0,197 0,218

Itajaí/São Francisco do Sul 0,369 0,416 0,461 0,524 0,565

Manaus 0,884 0,926 0,939 0,923 0,737

Paranaguá 0,599 0,626 0,548 0,583 0,653

11 A primeira coluna da tabela traz o mercado geográfico para o tipo de carga específico, as colunas 2 a 6

trazem o indicador de concentração HH (o indicador varia entre 0 e 1, e valores mais próximos a 1 indicam maior grau de concentração) referente aos totais exportados mais importados dos municípios das mesorregiões em cada mercado geográfico. Por exemplo, de acordo com a tabela, no período 2009 a 2012, para o mercado geográfico Itajaí / São Francisco do Sul, o indicador de concentração resultou igual a 0,476.

35

Mercado Geográfico

Índice de Herfindahl–Hirschman para Contêineres 1997

a 1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Pecém/Fortaleza 0,662 0,760 0,384 0,469 0,388

Rio de Janeiro/Santos/Sepetiba 0,426 0,379 0,322 0,404 0,346

Rio Grande 0,758 0,719 0,778 0,777 0,823

Salvador 0,495 0,360 0,292 0,332 0,402

Santos 0,747 0,780 0,801 0,840 0,861

Santos/Paranaguá/Manaus 0,229 0,239 0,238 0,218 0,322

Santos/Vitória 0,362 0,492 0,427 0,462 0,455

São Luiz 0,470 0,590 0,779 0,614 0,650

Suape/Maceió/Recife 0,233 0,230 0,197 0,266 0,319

Vitória 0,508 0,675 0,660 0,721 0,641


Tabela 11 – Indicadores de Herfindahl-Hirschman para Granéis Sólidos, entre 1997 e 2012, para os Mercados Geográficos Identificados

Mercado Geográfico

Índice de Herfindahl–Hirschman para Granéis Sólidos

1997 a

1999

2000 a

2002

2003 a

2005

2006 a

2008

2009 a

2012

Aratu/Salvador 0,626 0,581 0,574 0,655 0,608

Fortaleza/Pecém 0,947 0,920 0,539 0,583 0,484

Itajaí/São Francisco do Sul/Imbituba 0,344 0,274 0,246 0,237 0,305

Macapá/Barcarena/Santarém 0,318 0,269 0,311 0,326 0,313

Manaus/Santarém 0,958 0,808 0,871 0,609 0,395

Paranaguá/Corumbá 0,458 0,658 0,647 0,636 0,569

Recife/Suape/Maceió/Aracaju/Cabedelo 0,251 0,253 0,202 0,182 0,190

Rio Grande 0,443 0,596 0,665 0,759 0,814

Santos 0,712 0,655 0,614 0,769 0,821

Santos/Paranaguá/Vitória 0,389 0,289 0,306 0,290 0,313

São Luiz 0,994 0,999 0,948 0,954 0,984

Vitória 0,978 0,983 0,987 0,981 0,977

Vitória/Sepetiba 0,445 0,419 0,432 0,447 0,464


36

De acordo com a Tabela 9, as hinterlândias para cargas gerais com indicadores de

concentração mais altos são Barcarena/Belém, Manaus, Rio Grande e Santos. Para essas

quatro hinterlândias, o IHH resultou maior do que 0,7 no último período analisado. No caso de

contêineres, as hinterlândias com maior concentração são Manaus, Rio Grande e Santos. Para

o caso de granéis sólidos, Rio Grande, Santos, São Luiz e Vitória, todos com IHH maior do que

0,7.

É importante ressaltar que os IHHs para portos não expressam o que está acontecendo

ao nível intraporto. É possível, por exemplo, que a concorrência intraporto seja bastante

intensa mesmo que o nível de concentração seja elevado em uma determinada hinterlândia.

Aseguir investiga-seem maior profundidade a concorrência entre terminais com base em

dados do Sistema de Desempenho Portuário (SDP) da ANTAQ.

A análise restringe-se a alguns portos para cada hinterlândia, após exclusão dos portos

com reduzida participação no total de importações mais exportações e que se distanciam

geograficamente da hinterlândia. Um exemplo é a exclusão do porto de Santos da hinterlândia

de contêineres de Manaus, pois a sua participação é de aproximadamente 3% e ele está

bastante distante da hinterlândia. Outro exemplo é o que foi feito na hinterlândia de

Manaus/Santarém, para granéis sólidos. Nesse caso, apenas os terminais referentes ao

município de Santarém foram analisados, tendo ficado de fora os portos de Belém e

Barcarena. A razão é que, emboraBelém e Barcarena estejam relativamente próximos de

Manaus, a movimentação de carga desses portos referentes à hinterlândia de

Manaus/Santarém foi bem menor do que a de Santarém.

As tabelas 12 a 15 a seguir apresentam as listas dos principais terminais de cada

hinterlândia, para os diferentes tipos de carga, com base em dados de 2010 a meados de 2013

(até o mês de junho) extraídos do Sistema de Desempenho Portuário da ANTAQ. Por questão

de parcimônia, essas tabelas apresentam apenas os cinco principais terminais para cada

mercado geográfico. Terminais com participação relativa menor do que 1% na hinterlândia

também não foram listados.

37

Tabela 12 – Lista de Principais Terminais nos Mercados Geográficos para Cargas Gerais (incluindo Contêineres) de 2010 a meados de 2013

Mercado Geográfico Nome do Terminal UF

Estimativa da Importância (%) do Terminal na

Lista

Estimativa da Importância (%) do Terminal no

Mercado Geográfico

Aratu/Salvador

TECON BA 42,5% 42,5%

TUP FIBRIA BA 29,6% 29,6%

TUP MARITIMO DE BELMONTE BA 15,0% 15,0%

Cais Público BA 5,0% 5,0%

TUP PONTA DE LAJE BA 2,6% 2,6%

Barcarena/Belém

TUP BERTOLINI BELÉM PA 25,4% 25,4%

TUP J.F. OLIVEIRA BELÉM PA 22,5% 22,5%

Cais Público PA 18,9% 18,9%


TUP MUNGUBA PA 6,1% 6,1%

Itajaí/São Francisco do Sul

TUP PORTONAVE SC 34,5% 34,5%

Comercial SC 16,2% 16,2%

TUP PORTO ITAPOÁ SC 11,3% 11,3%

TESC SC 8,9% 8,9%

TECONVI SC 8,6% 8,6%

Manaus

TUP SUPER TERMINAIS AM 35,5% 35,5%

TUP CHIBATÃO AM 28,6% 28,6%

TUP IBEPAR MANAUS AM 11,6% 11,6%

TUP CHIBATÃO 2 AM 11,3% 11,3%

TUP J. F. OLIVEIRA MANAUS AM 6,5% 6,5%

Paranaguá

TCP PR 82,2% 82,2%

MULTIPLO USO PR 14,5% 14,5%


TERMINAL PORTUÁRIO DA PONTA DO FÉLIX

PR 1,0% 1,0%

Pecém / Fortaleza TUP PECÉM CE 47,9% 47,9%

TUP PECÉM CE 23,1% 23,1%

Cais Público CE 21,1% 21,1%


Rio de

Janeiro/Sepetiba/Santos

TERM. DE CONTÊINERES RJ 6,2% 22,8%

TERM. CONTÊINERES 2 RJ 6,0% 22,0%

TUP TERMINAL PORTUÁRIO TKCSA

RJ 5,2% 19,1%


Cais Público RJ 1,3% 5,0%

Rio Grande TECON RS 78,6% 78,6%

Cais Público RS 10,5% 10,5%

TUP SANTA CLARA RS 5,4% 5,4%

TUP CMPC GUAÍBA RS 4,0% 4,0%

Santos

TECON SP 44,3% 44,3%

T-35 SP 14,3% 14,3%

TECONDI SP 8,2% 8,2%

Cais Público SP 7,7% 7,7%


Santos/Paranaguá/Manaus

TECON SP 31,2% 29,5%

T-35 SP 10,1% 9,5%


TCP PR 11,8% 7,4%


38



Lista


Mercado Geográfico

São Luiz Cais Público MA 69,6% 69,6%

TUP PONTA DA MADEIRA MA 16,2% 16,2%

Cais Público MA 14,2% 14,2%

Suape/Maceió/Recife

TECON PE 66,4% 66,4%

Cais Público PE 20,6% 20,6%



Terminal de Multiplo Uso AL 1,5% 1,5%

Vitória

TUP PORTOCEL ES 43,2% 43,2%

TUP PRAIA MOLE ES 30,9% 30,9%

TVV ES 15,5% 15,5%

CAPUABA ES 3,5% 3,5%

TUP T.M. BARCAÇAS OCEÂNICAS ES 2,5% 2,5%

Vitória/Santos

TUP PORTOCEL ES 15,1% 38,2%

TUP PRAIA MOLE ES 10,8% 27,3%

TVV ES 5,4% 13,7%

TECON SP 28,9% 5,1%

CAPUABA ES 1,2% 3,1%

Elaboração dos autores a partir de dados do SDP/ANTAQ.

Tabela 13 – Lista de Principais Terminais nos Mercados Geográficos de Cargas Conteinerizadas de 2010 a meados de 2013



Lista


Mercado Geográfico

Barcarena/Belém/Santarém



CAIS PÚBLICO PA 6,0% 6,0%


TUP PORTONAVE SC 42,2% 42,2%

Comercial SC 19,9% 19,9%

TUP PORTO ITAPOÁ SC 13,8% 13,8%

TECONVI SC 10,5% 10,5%

Cais Público SC 8,8% 8,8%

Manaus TUP SUPER TERMINAIS AM 55,0% 55,0%


Paranaguá TCP PR 97,9% 97,9%


Pecém/Fortaleza TUP PECÉM CE 69,4% 69,4%


Rio de Janeiro/Santos/Sepetiba

TERM. DE CONTÊINERES

RJ 7,6% 35,4%



TECON SP 41,2% 3,5%

T-35 SP 13,3% 1,1%

Rio Grande TECON RS 99,6% 99,6%

39



Lista


Mercado Geográfico

Salvador TECON BA 99,5% 99,5%

Santos

TECON SP 51,5% 51,5%

T-35 SP 16,6% 16,6%



RODRIMAR SP 7,6% 7,6%


TECON SP 37,8% 37,6%

T-35 SP 12,2% 12,2%

TCP PR 14,3% 11,1%



Santos/Vitória

TECON SP 46,9% 36,5%

TVV ES 8,8% 28,6%

T-35 SP 15,2% 11,8%



São Luiz Cais Público MA 100,0% 100,0%


TECON PE 75,1% 75,1%



Vitória TVV ES 98,3% 98,3%

PEIÚ ES 1,4% 1,4%


Tabela 14 – Lista de Principais Terminais nos Mercados Geográficos de Granéis Sólidos de 2010 a meados de 2013



Lista

Estimativa da Importância

(%) do Terminal no

Mercado Geográfico

Aratu/Salvador

TUP COTEGIPE BA 52,8% 52,8%



TUP GERDAU SALVADOR BA 5,5% 5,5%


Fortaleza/Pecém Cais Público CE 60,6% 60,6%

TUP PECÉM CE 39,2% 39,2%

Itajaí/São Francisco do Sul/Imbituba



TESC SC 7,6% 7,6%

Macapá/Barcarena/Santarém

TUP PORTO TROMBETAS PA 39,0% 38,8%


TUP TERMINAL DE MINÉRIOS E METÁLICOS AMAPÁ

AP 11,3% 11,8%

TUP OMNIA PA 8,6% 8,6%

CARGILL PA 4,6% 4,5%

Manaus/Santarém TUP HERMASA GRANELEIRO AM 62,5% 91,0%

TUP CIMENTO VENCEMOS AM 3,5% 5,1%

40



Lista

Estimativa da Importância

(%) do Terminal no

Mercado Geográfico

CARGILL PA 27,2% 1,8%

TUP OCRIM AM 1,0% 1,4%

Paranaguá/Corumbá

COREX PR 43,0% 38,3%


TUP GREGÓRIO CURVO MS 6,4% 10,8%

TUP GRANEL QUÍMICA MS 4,2% 7,1%

FOSPAR PR 6,2% 5,5%

Recife/Suape/Maceió/Aracaju/Cabedelo

Terminal Açucareiro AL 27,8% 27,8%


Cais Público PB 15,7% 15,7%

TUP TERMINAL MARÍTIMO INÁCIO BARBOSA

SE 14,8% 14,8%


Rio Grande

TUP BIANCHINI RS 25,8% 25,8%

TERGRASA RS 23,1% 23,1%

Cais Público RS 12,4% 12,4%

TUP YARA BRASIL FERTILIZANTES

RS 10,5% 10,5%

TUP TERMINAL MARÍTIMO LUIZ FOGLIATTO

RS 7,9% 7,9%

Santos

COREX (ADM) SP 16,6% 16,6%

CARGILL SP 13,8% 13,8%

TGG -Terminal de Grãos SP 13,6% 13,6%

TEAÇU2 SP 10,1% 10,1%

TUP USIMINAS SP 8,9% 8,9%

Santos/Paranaguá/Vitória

COREX PR 6,6% 13,2%

TUP CVRD TUBARÃO ES 48,4% 11,4%


COREX (ADM) SP 3,7% 9,7%

CARGILL SP 3,1% 8,0%

São Luiz

TUP PONTA DA MADEIRA MA 84,7% 84,7%

TUP ALUMAR MA 9,5% 9,5%

CVRD MA 4,0% 4,0%

Cais Público MA 1,8% 1,8%

Vitória


TUP PONTA DE UBU ES 16,5% 16,5%

TUP CVRD PRAIA MOLE ES 7,0% 7,0%

Vitória/Sepetiba


TUP MBR RJ 15,7% 20,4%

TERMINAL DE CARVÃO RJ 13,0% 16,9%

TERMINAL DE MINÉRIO RJ 9,2% 11,9%

TUP PONTA DE UBU ES 9,9% 7,9%


A penúltima coluna das tabelas acima apresenta a participação de mercado de cada

terminal como porcentagem do peso bruto total das cargas movimentadas por todos os

terminais na lista de principais terminais daquela hinterlândia (o que, na tabela, é chamado de

“Estimativa da Importância do Terminal na Lista”). Por exemplo, para o mercado geográfico de

contêineres Itajaí/São Francisco do Sul, são calculados os percentuais de participação de cada

41

um dos terminais de contêineres localizados no estado de Santa Catarina. O TUP Portonave,

por exemplo, foi responsável por 42,2% da movimentação total de contêineres, entre 2010 e

junho de 2013, dos terminais de contêineres de Santa Catarina. Para o mercado geográfico

Santos/Paranaguá/Manaus, também para contêineres, de acordo com a penúltima coluna na

tabela G2, o TECON Santos foi responsável por 37,8% da movimentação total, entre 2010 e

junho de 2013, de todos os terminais de contêineres dos estados de São Paulo, Paraná e

Amazonas. Já o T-35 em Santos foi responsável por 12,2% da movimentação. Os terminais TCP,

em Paranaguá, e TUP SuperTerminais, em Manaus, foram responsáveis por 14,3% e 6,6%,

respectivamente.

A última coluna das tabelas 12 a 14 apresenta uma divisão de mercado ajustada para a

participação dos portos nas exportações mais importações de cada hinterlândia. Para entender

a necessidade deste ajuste, imagine uma situação em que um determinado terminal exporta

cargas de municípios na hinterlândia de Santos e municípios na hinterlândia

Santos/Paranaguá/Manaus. Quando o peso desse terminal na movimentação total dos

terminais dos estados de São Paulo, Paraná e Amazonas é calculado, conforme a penúltima

coluna das tabelas, esse peso está considerando que toda a movimentação desse terminal

corresponde a essa hinterlândia. Para corrigir essa potencial distorção, recalculam-se as

participações de mercado de cada um dos terminais em cada hinterlândia, considerando as

participações dos portos nas exportações mais importações das hinterlândias. Por exemplo, as

movimentações dos terminais no porto de Santos para a hinterlândia

Santos/Paranaguá/Manaus foram multiplicadas por um fator K, onde K = [exportações mais

importações totais da hinterlândia pelo Porto de Santos]/[exportações mais importações totais

da hinterlândia]. Com isso, evita-se que a movimentação em determinado terminal seja

contada duas vezes caso esse terminal atenda a mais de uma hinterlândia.

As tabelas 15 a 17 trazem os valores dos IHHs, calculados com base na distribuição, por

ano, da movimentação de carga entre os terminais de cada hinterlândia. Por exemplo, no caso

da hinterlândia de contêineres Santos/Paranaguá/Manaus, foram identificados, ao todo,

registros em 17 terminais entre 2010 e 2013, de acordo com os dados do SDP da ANTAQ

(alguns desses terminais tiveram valores totais muito baixos).O IHHdos terminais na lista, no

ano de 2012, foi de 0,207. De acordo com a comissão antitruste do Departamento de Justiça

dos Estados Unidos, valores do IHH entre 0,15 e 0,25 indicam concentração moderada no

mercado.

42

Tabela 15 – Indicadores de Concentração entre Terminais nos Mercados Geográficos de Cargas Gerais (incluindo Contêineres) de 2010 a meados de 201312

Mercado Geográfico Ano IHH dos

Terminais na Lista

IHH dos Terminais no

Mercado Geográfico

Aratu/Salvador

2010 0,334 0,334

2011 0,318 0,318

2012 0,318 0,318

2013 0,264 0,264

Barcarena/Belém

2010 0,183 0,183

2011 0,187 0,187

2012 0,168 0,168

2013 0,173 0,173


2010 0,212 0,212

2011 0,202 0,202

2012 0,212 0,212

2013 0,242 0,242

Manaus

2010 0,234 0,234

2011 0,273 0,273

2012 0,259 0,259

2013 0,271 0,271

Paranaguá

2010 0,717 0,717

2011 0,611 0,611

2012 0,755 0,755

2013 0,783 0,783

Pecém/Fortaleza

2010 0,313 0,313

2011 0,381 0,381

2012 0,334 0,334

2013 0,324 0,324

Rio de Janeiro/Sepetiba/Santos

2010 0,154 0,136

2011 0,144 0,161

2012 0,148 0,196

12Essa tabela traz uma caracterização em termos de concorrência entre os terminais dos portos que

compõem cada mercado. A primeira coluna da tabela traz o nome do mercado geográfico. A segunda coluna traz o ano para o qual o indicador de concorrência foi calculado. A terceira coluna traz o valor do indicador de concentração HH (varia entre 0 e 1, e valores mais próximos a 1 indicam maior concentração). O indicador da terceira coluna é calculado com base nas participações dos terminais nas movimentações totais de cada mercado geográfico, para cada ano, de 2010 a 2013. Essas informações foram extraídas do sistema SDP da Antaq. Por exemplo, para a hinterlândia de Itajaí/São Francisco do Sul, no ano de 2010, o indicador de concentração HH resultou igual a 0,212. Note que houve um leve aumento na concentração para essa hinterlândia, para o ano de 2013 (IHH igual a 0,242); no entanto, esse aumento deve ser visto com cautela, pois para o ano de 2013 utilizamos transações até metade do ano apenas (dados que estavam disponíveis à época da análise). A última coluna da tabela traz o indicador de concentração HH para os terminais em cada hinterlândia, fazendo-se um ajuste para o caso de os terminais pertencerem a portos que atendem a mais de um mercado geográfico. Nesse caso, as participações de mercado de cada um dos terminais em cada hinterlândia foram recalculadas, considerando as participações dos portos nas exportações mais importações das hinterlândias. Por exemplo, as movimentações dos terminais no porto de Santos para a hinterlândia Santos/Paranaguá/Manaus foram multiplicadas por um fator K, onde K = [exportações mais importações totais da hinterlândia pelo Porto de Santos]/[exportações mais importações totais da hinterlândia]. Com isso, evita-se que a movimentação em determinado terminal seja contada duas vezes caso esse terminal atenda a mais de uma hinterlândia.

43


Terminais na Lista


Mercado Geográfico

2013 0,166 0,189

Rio Grande

2010 0,614 0,614

2011 0,718 0,718

2012 0,608 0,608

2013 0,573 0,573

Santos

2010 0,224 0,224

2011 0,236 0,236

2012 0,253 0,253

2013 0,285 0,285


2010 0,131 0,119

2011 0,134 0,124

2012 0,148 0,135

2013 0,167 0,152

São Luiz

2010 0,542 0,542

2011 0,816 0,816

2012 0,537 0,537

2013 0,582 0,582


2010 0,574 0,574

2011 0,540 0,540

2012 0,482 0,482

2013 0,353 0,353

Vitória

2010 0,304 0,304

2011 0,295 0,295

2012 0,322 0,322

2013 0,342 0,342

Vitória/Santos

2010 0,131 0,244

2011 0,134 0,238

2012 0,147 0,254

2013 0,176 0,251


Tabela 16 – Indicadores de Concentração entre Terminais nos Mercados Geográficos de Cargas Conteinerizadas de 2010 a meados de 2013


Terminais na Lista


Mercado Geográfico

Barcarena/Belém/Santarém

2010 0,427 0,427

2011 0,443 0,443

2012 0,638 0,638

2013 0,476 0,476


2010 0,334 0,334

2011 0,277 0,277

2012 0,288 0,288

2013 0,314 0,314

Manaus

2010 0,529 0,529

2011 0,571 0,571

2012 0,519 0,519

44


Terminais na Lista


Mercado Geográfico

2013 0,538 0,538

Paranaguá

2010 0,914 0,914

2011 0,963 0,963

2012 0,977 0,977

2013 0,990 0,990

Pecém/Fortaleza

2010 0,583 0,583

2011 0,611 0,611

2012 0,564 0,564

2013 0,525 0,525

Rio de Janeiro/Santos/Sepetiba

2010 0,220 0,264

2011 0,211 0,293

2012 0,213 0,318

2013 0,245 0,313

Rio Grande

2010 0,976 0,976

2011 0,999 0,999

2012 0,999 0,999

2013 0,997 0,997

Salvador

2010 0,999 0,999

2011 0,975 0,975

2012 0,988 0,988

2013 0,999 0,999

Santos

2010 0,297 0,297

2011 0,301 0,301

2012 0,332 0,332

2013 0,380 0,380


2010 0,189 0,185

2011 0,191 0,186

2012 0,207 0,202

2013 0,234 0,228

Santos/Vitória

2010 0,251 0,237

2011 0,254 0,235

2012 0,282 0,249

2013 0,349 0,293

São Luiz

2010 1,000 1,000

2011 1,000 1,000

2012 1,000 1,000

2013 1,000 1,000


2010 0,784 0,784

2011 0,644 0,644

2012 0,586 0,586

2013 0,481 0,481

Vitória

2010 0,980 0,980

2011 0,947 0,947

2012 0,965 0,965

2013 0,999 0,999


45

Tabela 17 – Indicadores de Concentração entre Terminais nos Mercados Geográficos de Granéis Sólidos de 2010 a meados de 2013


Terminais na Lista


Mercado Geográfico

Aratu/Salvador

2010 0,375 0,375

2011 0,370 0,370

2012 0,380 0,380

2013 0,431 0,431

Fortaleza/Pecém

2010 1,000 1,000

2011 0,515 0,515

2012 0,501 0,501

2013 0,510 0,510

Itajaí/São Francisco do Sul/Imbituba

2010 0,635 0,635

2011 0,514 0,514

2012 0,556 0,556

2013 0,578 0,578

Macapá/Barcarena/Santarém

2010 0,294 0,292

2011 0,267 0,265

2012 0,239 0,237

2013 0,253 0,251

Manaus/Santarém

2010 0,659 0,878

2011 0,508 0,846

2012 0,419 0,810

2013 0,401 0,766

Paranaguá/Corumbá

2010 0,335 0,281

2011 0,293 0,241

2012 0,318 0,270

2013 0,316 0,272

Recife/Suape/Maceió/Aracaju/Cabedelo

2010 0,204 0,204

2011 0,201 0,201

2012 0,196 0,196

2013 0,199 0,199

Rio Grande

2010 0,157 0,157

2011 0,161 0,161

2012 0,154 0,154

2013 0,176 0,176

Santos

2010 0,107 0,107

2011 0,103 0,103

2012 0,109 0,109

2013 0,105 0,105

Santos/Paranaguá/Vitória

2010 0,276 0,081

2011 0,272 0,078

2012 0,257 0,080

2013 0,211 0,077

São Luiz

2010 0,773 0,773

2011 0,728 0,728

2012 0,719 0,719

2013 0,656 0,656

Vitória

2010 0,599 0,599

2011 0,591 0,591

2012 0,601 0,601

46


Terminais na Lista


Mercado Geográfico

2013 0,587 0,587

Vitória/Sepetiba

2010 0,273 0,230

2011 0,263 0,222

2012 0,264 0,221

2013 0,261 0,218


De maneira geral, os níveis de concentração de mercado independem de se o IHH foi

calculado para os terminais na lista ou nahinterlândia. Em alguns casos, porém, os indicadores

de concentração variaram em pouco mais de 0,1. Esse é o caso da hinterlândia Vitória/Santos,

para cargas gerais. De acordo com a Tabela 15, a participação do TECON Santos nas

movimentações para essa hinterlândia foi de 28,9%. Após ser realizado o ajuste para a

participação do porto de Santos em outras hinterlândias (inclusive a da hinterlândia Santos), a

participação ajustada do TECON Santos cai para 5,1%. Por outro lado, há um aumento nas

participações dos terminais do Espírito Santo, notadamente TUP Portocel, TUP Praia Mole e

TVV. O resultado final é que a concentração estimada pelo IHH aumenta. Em 2012, esse valor

passa de 0,153 para 0,257.

Algumas das conclusões extraídas da análise das tabelas acima são as seguintes:

(i) Para contêineres, os mercados menos concorridos são os de Salvador,

Paranaguá, Rio Grande, São Luiz e Vitória. Para essas cinco hinterlândias, os

índices IHH resultaram maiores do que 0,90 para todos os anos analisados. Na

hinterlândia de Paranaguá, as movimentações de contêineres estão

concentradas no TCP. Para a hinterlândia de Salvador, a concentração é no

TECON. Para São Luiz, a concentração é no cais público. Para a hinterlândia de

Vitória, as movimentações estão concentradas no TVV, enquanto para a

hinterlândia de Rio Grande, as movimentações estão concentradas no TECON.

A hinterlândia com menores indicadores de concentração é a hinterlândia de

Santos/Paranaguá/Manaus, justamente por ser atendida por terminais de três

estados diferentes.

(ii) Para cargas gerais (o que inclui também contêineres), mercado em que o

número de terminais é maior, os indicadores indicam menor concentração, de

maneira geral. A exceção é a hinterlândia de São Luiz, na qual as cargas estão

concentradas todas no cais público. Isso não implica, no entanto, que não haja

47

competição nessa hinterlândia, uma vez que diferentes operadores podem

estar prestando serviços nesse cais.

(iii) Para granéis sólidos, nota-se uma alta concentração na hinterlândia

Fortaleza/Pecém, no ano de 2010. Isso porque as movimentações estavam

concentradas no cais público do Porto de Fortaleza. A partir de 2011, as

movimentações passaram a ser divididas com o TUP de Pecém, reduzindo

muito o indicador de concentração. Para a hinterlândia São Luiz, o IHH

apresentou valores altos para os quatro anos analisados (valores em torno de

0,7). Isso se deve à alta concentração das movimentações no TUP Ponta da

Madeira. Para a hinterlândia Manaus/Santarém, há uma alta concentração das

movimentações no TUP Hermasa Graneleiro, o que levou a um IHH alto para

esse mercado geográfico.

3. ANÁLISE DO GRAU DE CONCORRÊNCIA

INTERPORTOS E INTRAPORTOS NAS

HINTERLÂNDIAS

Os valores dos indicadores de concentração apresentados na seção anterior revelam

que a maioria das hinterlândias apresentam concentração moderada ou alta.No entanto, isso

não implica necessariamente ausência de concorrência nessas hinterlândias. É preciso estudar

esses mercados em maior profundidade para poder avaliar adequadamente o seu nível de

concorrência. Nesta seção serão realizadas análises de diversos tipos com o objetivo

exatamente de medir essa concorrência. Primeiramente, será investigado o impacto de

variações nos custos internos de transporte sobre as participações de mercado dos portos

brasileiros. A elasticidade da participação de mercado de um porto em relação aos custos de

transporte de mercadorias até esse porto é uma medida do seu poder de mercado. Em

segundo lugar, serão reproduzidos os resultados principais de um estudo já realizado no

âmbito deste projeto sobre as elasticidades das participações de mercado dos portos em

relação ao tempo de atracação dos navios, que pode ser considerado uma medida de

eficiência dos portos. Em terceiro lugar, será realizado um estudo das elasticidades das

participações de mercado de terminais de contêineres em relação aos preços dos serviços

portuários. Em seguida, serãoapresentados os resultados de um estudo, também já realizado

anteriormentecomo parte deste projeto, sobre lucros residuais dos principais terminais

48

portuários brasileiros. Serão reproduzidas aqui apenas as partes do estudo que são relevantes

para a avaliação do poder de mercado desses terminais. Por fim, será realizada uma

apresentação dos principais instrumentos jurídicos recentes que normatizaram a regulação do

setor portuário brasileiro, acompanhada de uma análise de suas implicações para a

concorrência no setor, com foco na criação ou eliminação de barreiras à entrada13.

3.1. Impactos dos Custos de Transporte Interno sobre as

Participações de Mercado dos Portos Brasileiros

3.1.1. Literatura existente

Na literatura internacional, os artigos que fazem menção à importância das

hinterlândias para a avaliação de concorrência incluem The Competition Authority (2012),

Aronietis et al. (2010), Langen (2007), Langen e Chouly (2004) e OECD (2008). Em geral, essa

literatura classifica as hinterlândias em duas categorias básicas: cativas e contestáveis. No

primeiro caso, um único porto movimenta uma grande quantidade de carga da hinterlândia;

no segundo caso, a hinterlândia é atendida por um conjunto de portos.

Langen (2007), por exemplo, estudou o caso da Áustria, identificada como uma

hinterlândia contestável para seis portos europeus: Rotterdam, Antuérpia, Bremen,

Hamburgo, Koper e Trieste. O autor mostrou que a divisão do mercado de movimentação de

cargas austríacas entre esses seis portos variou bastante entre 1991 e 2003, concluindo haver

evidência de competição acirrada entre os portos, uma vez que eles poderiam perder ou

ganhar fatias de mercado em curtos espaços de tempo. Os resultados apresentados por

Langen (2007) demonstram a importância dos custos de transportes internos na definição de

hinterlândias e, por conseguinte, na competição entre portos. A abertura do canal de Rhine-

Main Donau, por exemplo, foi seguida de um aumento significativo da participação do porto

de Rotterdam no mercado de produtos transacionados pela Áustria.

Para o Brasil, os estudos sobre hinterlândias geográficas existentes na literatura ainda

são poucos. Um dos estudos mais importantes é o de Campos Neto et al. (2009). Os autores

utilizaram dados do ano de 2007 provenientes da base de dados da SECEX, e do ano de 2006

13Outro estudo relevante é o das estruturas societárias dos terminais portuários, que serve para

determinar os graus de verticalização e horizontalização dos mercados de serviços portuários. Esse estudo já foi apresentado em um relatório anterior e não será aqui reproduzido.

49

da base da RAIS, para calcular a área geográfica de influência de trinta e quatro portos

brasileiros envolvidos com o comércio exterior do país. Os dados da SECEX foram utilizados

para obtenção de informações a respeito do porto de importação ou exportação, da

classificação de produto da carga (NCM), dos valores e quantidades movimentadas, e do CNPJ

da empresa que realizou a importação ou exportação. Com base no CNPJ, os autores

obtiveram da RAIS os municípios de localização das empresas, que foram então utilizados

como proxy para os locais de origem ou destino das cargas.

A unidade geográfica utilizada em Campos Neto et al. (2009) foi a unidade da

federação (UF). Embora esse não seja o enfoque mais adequado, já que não há porque esperar

que hinterlândias coincidam com estados da federação, a classificação de hinterlândias

utilizada pelos autores traz informações importantes. Os três tipos de hinterlândia por eles

identificados são as seguintes:

Hinterlândia primária: participação do porto no comércio internacional da UF maior do

que 10%; total do comércio movimentado pela UF pelo porto maior ou igual a US$ 100

milhões.

Hinterlândia secundária: participação do porto no comércio internacional da UF menor

do que 10%; total do comércio movimentado pela UF por meio do porto maior ou

igual a US$ 100 milhões.

Hinterlândia terciária: participação do porto no comércio internacional da UF maior do

que 10%; total do comércio movimentado pela UF pelo porto menor do que US$ 100

milhões.

Apesar de haver diversos estudos evidenciando a preferência dos agentes por utilizar

portos e terminais mais próximos geograficamente, há poucas investigações estimando o

impacto sobre a alocação de cargas de variações nos custos internos de transporte. Um dos

poucos estudos existentes é o de Sivakumar e Bhat (2002). Os autores utilizaram um modelo

baseado em distribuições de repartição fracional (fractional split-distribution model) para

analisar o fluxo inter-regional de mercadorias no Texas.

Na seção a seguir, descreve-se a metodologia empregadaneste estudo para investigar

os impactos de custos internos de transporte na concorrência entre portos brasileiros. A

principal fonte de informações é a mesma utilizada em Campos Neto et al. (2009), mas é

importante apontar que foi utilizada uma desagregação geográfica maior do que a deles, o que

permitiu capturar eventuais especificidades dentro das unidades da federação. Por outro lado,

apesar dos dados estarem identificados por municípios, neste estudo trabalha-se com

50

microrregiões, o que possibilita contornar eventuais excessos de variabilidade espacial. Além

disso, a utilização de microrregiões parece ter sido uma boa escolha também devido ao alto

esforço computacional envolvido tanto na geração dos custos de transportes (utilizados nas

estimações) quanto nas estimações dos modelos.

3.1.2. Metodologia

Esta seção apresenta a metodologia utilizada para estudar os impactos dos custos

logísticos de transporte interno sobre a alocação da movimentação das cargas pelos portos

brasileiros. A modelagem teórica tem como postulado a maximização das utilidades dos

agentes. Aplicado ao setor portuário, isso significa que o agente exportador ou importador

seleciona o portoque maximiza a sua utilidade. Um modelo desse tipo muito popular é o

logístico multinomial, que utiliza uma distribuição logística para os erros. A estimação dos

parâmetros desse modelo, no entanto, requer informações sobre a escolha individual de cada

exportador ou importador, ou de cada operação de exportação ou importação, o que não está

disponível na base de dados que foi utilizada neste estudo, qual seja a base Alice da SECEX. Por

outro lado, há informações sobre quanto de cada produto (desagregado por classificação

NCM) foi movimentado por cada município, em cada porto, para todos os meses da amostra.

Com isso, é possível estimar um modelo baseado em distribuições de partições fracionadas,

que possui uma forma funcional bastante semelhante à do modelo logístico multinomial.

Para estimar esse modelo, foram geradas tabelas contendo, para cada microrregião, e

para cada tipo de carga (carga geral incluindo contêineres, carga conteinerizada e granéis

sólidos), a quantidade total (em toneladas)movimentada (importação mais exportações)

pelosportos brasileiros. A partir desses valores, foram calculadas as participações de cada

porto no total exportado ou importado de uma determinada microrregião. Essas variáveis de

fatia de participação de cada porto nas cargas originárias de ou direcionadas a cada

microrregião foram utilizadas como variáveis dependentes nos modelos econométricos. Como

variáveis explicativas, foram utilizadas o custo logístico do transporte interno e a distância

total percorrida durante esse transporte.

Por se tratar de uma descrição bastante técnica, a metodologia dos modelos

econométricos utilizados nas estimações foi colocada no apêndice. A subseção a

seguirapresenta uma discussão detalhada sobre as fontes de dados para a análise.

51

3.1.3. Fontes de Informações

Os dados da SECEX referem-se a transações de exportação e importação entre os anos

de 2009 a 2012, e incluem a classificação da mercadoria (de acordo com a Nomenclatura

Comum do Mercosul – NCM), a quantidade movimentada, o valor da mercadoria, o porto de

alfandegagem da mercadoria e a unidade da federação de origem ou destino da carga. Essas

variáveis são construídas, pela SECEX, diretamente dos registros das transações de importação

e exportação. Além dessas variáveis, os dados utilizados contêm também uma variável

correspondente ao código do município do endereço da pessoa jurídica que realizou a

importação ou exportação. Essa variável é gerada pela própria SECEX, a partir da base de

dados do CNPJ. Para ter uma ideia da importância dos portos em relação à área geográfica,

foram realizadas análises utilizando o peso total dos produtos movimentados.Os números

foram totalizados para o período 2009 a 2012, de forma a minimizar eventuais variações entre

os anos. Além disso, esse foi o período utilizado em Coutinho et al. (2014) no estudo sobreos

mercados geográficos dos portos no Brasil.

Os registros de importação e exportação da SECEX não trazem explicitamente o tipo de

carga do produto movimentado, mas sim a classificação NCM. Para gerar as análises de áreas

de influência por tipo de carga, foi efetuada uma compatibilização entre tipos de cargas e

capítulos da NCM. Essa compatibilização não é necessariamente exata, mas, como discutido

em Coutinho et al. (2014), os resultados gerais indicam que essa compatibilização é uma boa

aproximação para a categorização real (ou seja, aquela que seria obtida caso a informação

sobre tipos de carga estivesse disponível na base de dados).

Como um dos principais objetivos deste estudo é avaliar o impacto dos custos de

transporte terrestre sobre os mercados relevantes de movimentação portuária, não é

essencial separar as cargas do tipo “carga geral” em conteinerizadas e não conteinerizadas. De

fato, ao analisar os dados do Sistema Brasileiro de Navegação e Desempenho Portuário (SDP),

entre 2010 e o primeiro semestre de 2013, disponibilizados pela ANTAQ, constata-se que

praticamente todas as unidades portuárias que movimentam carga conteinerizada também

movimentam carga geral não conteneirizada. Portanto, sob a ótica de especialização das

unidades portuárias para fins de definição de mercados, bastaria analisar os mercados para

carga geral de forma agregada. De qualquer forma, a informação desagregada especificamente

para contêineres e para não contêineres pode ser útil para outras análises, que não as

direcionadas para a definição de mercados. Por esse motivo, essa desagregação foi utilizada

para a geração das estimações apresentadas neste texto.

52

Algumas considerações adicionais devem ser feitas a respeito dos dados.

Primeiramente, é preciso salientar o papel das trading companies em termos de informações

geográficas. Este estudo, assim como o estudo sobre hinterlândias em Coutinho et al. (2014),

foi feito inicialmente a partir de informações municipais, posteriormente agregadas em

microrregiões. Para isso foi utilizada a informação sobre o município do endereço da pessoa

jurídica exportadora ou importadora. Quando a empresa é uma trading company, o município

do endereço não necessariamente corresponde ao município de origem ou destino da carga.

Em todo caso, eventuais distorções causadas por esse fato não são relevantes em termos de

conclusões gerais. Além disso, uma comparação entre a unidade da federação da carga14 com

a unidade da federação dos municípios das pessoas jurídicas revela um batimento de quase

100%, o que aumenta a confiança nos resultados gerais encontrados.

Outra consideração em relação aos dados disponíveis refere-se ao porto de

alfandegagem, que não necessariamente corresponde ao porto de fato de exportação ou

importação. Para alguns registros, a alfandegagem pode ter sido feita, por exemplo, em um

porto seco, sendo a carga encaminhada posteriormente para um porto marítimo. Nesse caso,

o porto registrado na base de dados é o porto seco, possivelmente no interior do país, e não o

porto que interessaria à análise. Por esse motivo, o estudo concentra-se em uma lista de

portos da base de dados que segue a tabela de terminais alfandegados da Receita Federal15.

Na tabela obtida da Receita Federal há, para terminais alfandegados, uma lista de

regiões fiscais (dez regiões) de portos e terminais. Ao todo são 171 terminais, agrupados em

50 portos. Por exemplo, o Porto de Santos engloba os seguintes terminais

alfandegados:Brasterminais, Cargil, Cosipa, Cutrale, Santos Brasil, Stolthaven, Ultrafertil, União

Terminais, Codesp, Grupo Libra (Pier 35), Fertimport, Granel Química, Tecondi, Vopak, Dow

Química S/A, Moinho Pacífico Indústria e Comércio Ltda. eTerminal de Granéis do Guarujá –

TGG.As informações disponíveis na base de dados de importações e exportações contêm

apenas o porto no qual ocorreu a alfandegagem. Portanto, não é possível identificar o

terminal. De qualquer maneira, do ponto de vista de identificação de mercados geográficos e

estudo dos impactos dos custos de transporte sobre movimentações de carga, a informação

sobre o porto é suficiente.

14 Essa informação está disponível na base de dados original. 15A lista de portos utilizados, com correspondentes terminais portuários, pode ser obtida no endereço na

web: http://www.receita.fazenda.gov.br/Publico/Aduana/Siscomex/Carga/TerminaisAlfandegados.xls.


53

Uma das consequências da imprecisão na caracterização do tipo de carga a partir dos

capítulos da NCM, e do fato de os portos nos dados da SECEX corresponderem aos locais de

alfandegagem, é que portos que não possuem terminais de contêineres podem aparecer na

lista de locais com alguma movimentação de contêineres. O mesmo pode ocorrer para outros

tipos de cargas. Por exemplo, a metodologia pode indicar movimentações de contêineres pelo

Porto de Aratu, quando na verdade não há terminais de contêineres naquele porto. Essa

distorção pode estar ocorrendo por dois motivos: (a) as cargas conteinerizadas podem estar

sendo alfandegadas em algum ponto de alfandegagem no Porto de Aratu e em seguida

encaminhadas para o terminal de contêineres de Salvador, por exemplo; (b) na

compatibilização entre a classificação NCM e a classificação por tipo de carga (carga geral,

contêineres, granéis sólidos, granéis líquidos), alguns produtos podem ter sido classificados em

uma determinada NCM associada a contêineres quando na verdade deveriam ter sido

associados a cargas gerais não conteinerizadas.

Os dados sobre custos de transporte terrestre de cargas e distâncias entre

microrregião de origem da carga e o porto brasileiro onde ela foi movimentada foram

fornecidos pela ANTAQ, por ela extraídos do sistema SIGTAC, desenvolvido pelo Labtrans, da

UFSC. Esse sistema possui algoritmos de rotas mínimas entre dois pontos do território, levando

em consideração as malhas de rodovias, ferrovias e hidrovias, e considerando também os

custos logísticos de transferência entre modais. O esforço computacional para geração desses

custos logísticos é elevado e, por esse motivo, preferiu-se utilizar microrregiões como

unidades geográficas para os custos, ao invés de municípios. Além disso, considerou-se apenas

um custo logístico médio, sem levar em consideração especificidades do tipo de carga.

3.1.4. Simulações de Impactos de Melhorias na Infraestrutura de

Transporte sobre a Concorrência Interportos

Os modelos de escolha discreta estimados neste trabalho possibilitam uma avaliação,

a priori, dos impactos de mudanças na malha interna de transportes (para diferentes modais)

sobre o ambiente concorrencial em alguns mercados geográficos. Por exemplo, é interessante

analisar situações em que um grande número de exportadores ou importadores localizam-se

em microrregiões muito próximas a um determinado porto. Nesse caso,uma redução marginal

nos custos de transportes dessas microrregiões para outros portos não ocasionará

necessariamente uma migração significativa de cargas para esses outros portos. Ou seja, em

54

situações como essa, melhoriasnos meios internos de transporte podem não ser suficientes

para aprimorar o ambiente concorrencial em alguns mercados geográficos.

Para estudar os impactos de custos de transporte até um determinado porto sobre as

participações de mercado desse mesmo porto e dos demais, foram efetuadas simulações de

aumentos de custos até um determinado porto e avaliadas as consequências em termos

quantitativos. Nos modelos estimados para os três tipos de carga, tanto os custos logísticos

quanto as distâncias até os portos foram estatisticamente significantes. Uma explicação para

isso é que avariável distância pode estar capturando não somente distâncias físicas

propriamente ditas, mas também, indiretamente, tempos de deslocamento, por exemplo.

Sendo assim, as simulações aqui apresentadasrefletem aumentosnos esforços em geral de

transportar cargas de microrregiões até os portos (ou vice versa).

Para cada porto considerado no conjunto de escolhas de um determinado tipo de

carga, simularam-se aumentos de 10% nos custos e nas distâncias, e avaliaram-se os aumentos

observados nas participaçõesde mercado dos demais portos. Observou-se também a redução

correspondente no porto para o qual o esforço de transporte foi aumentado. Esse tipo de

exercício nos permite identificar quais portos competem entre si, e ter uma ideia também do

grau de competição.

Os exercícios de simular aumentos ou reduções nos custos e distâncias até um

determinado porto possibilitam avaliar o impacto nas participações dos demais portos para o

Brasil como um todo. Além disso, esses exercícios possibilitam também avaliar os impactos

sobre as participações em cada mercado geográfico separadamente. Nesse caso, os mercados

geográficos correspondem às delimitações de mesorregiões conforme Coutinho et al. (2014).

Os resultados dessas simulações estão apresentados na próxima seção.

3.1.5. Resultados Gerais

As tabelas A1 a A3, no Apêndice, apresentam as estimativas tanto para os coeficientes

dos logaritmos dos custos logísticos e dos logaritmos das distâncias, quanto para os efeitos

fixos dos portos. Os modelos apresentados também incluem termos quadráticos para os

custos e para as distâncias. Todos os parâmetros resultaram estatisticamente significantes a

um nível de significância de 1%. A única exceção foi o efeito fixo de Aratu na tabela A1; mesmo

assim, esse parâmetro foi mantido, a fim de explicitar o efeito fixo desse porto. Para os

coeficientes dos logaritmos dos custos e dos logaritmos dos custos ao quadrado, os sinais

55

resultaram invertidos. O mesmo acontece para os coeficientes dos logaritmos das distâncias e

dos logaritmos das distâncias ao quadrado. Isso dificulta a interpretação dos efeitos diretos

dos custos e das distâncias sobre as probabilidades de escolha do porto.

Para facilitar a interpretação desses efeitos, as figuras A1 a A3 , que se encontram no

Apêndice,apresentamgráficos relacionando as probabilidades de escolha dos portos aos custos

de transporte e às distâncias, para cada tipo de carga estudado. Os valores da variável de

custos logísticos são expressos em R$, e variam entre R$ 0 e R$ 2.500,00 (intervalo

aproximado de custos observados na amostra). Para carga conteinerizadas, por exemplo, de

acordo com a tabela A1, os coeficientes estimados são = -12,06 e = 8,41. Observe que,

mesmo os coeficientes tendo sinais contrários, há um decaimento da probabilidade de escolha

do porto à medida que aumentam os custos logísticos até a origem ou destino. No final do

intervalo há uma leve reversão no decaimento, conforme será discutido mais adiante.

Os valores para a variável distância são expressos em km, e variam entre 0 e 10.000,00

km (intervalo aproximado de distâncias observadas na amostra). Para carga conteinerizada, os

coeficientes são = 10,34 e = -22,31. Apesar de o coeficiente do primeiro termo ser

positivo, a figura A2 mostra um claro decaimento da probabilidade de escolha do porto à

medida que aumenta a distância entre origem e destino.

As figuras A1 a A3 deixam claro que as distâncias têm um impacto mais importante do

que os custos logísticos sobre a redução das probabilidades de escolha dos portos, para todos

os tipos de carga. Isso não está necessariamenterelacionado ao processo de escolha dos

agentes, podendo estar ligado mais especificamente aos custos logísticos disponíveis na

amostra16. Pode ocorrer de as distâncias utilizadas na amostra representarem melhor os

esforços envolvidos nos transportes de produtos entre dois pontos no Brasil.

Para os custos de transportes no caso de granéis sólidos, observa-se que a

probabilidade de seleção de um determinado porto é decrescente com o esforço de transporte

entre origem e destino, como era esperado. De fato, quando se roda um modelo contendo o

logaritmo dos custos logísticos, mas não os termos quadráticos e as distâncias em km, a curva

de probabilidade é claramente decrescente com os custos, para todas as cargas consideradas.

16Caso haja uma grande imprecisão nos custos logísticos utilizados na amostra, os coeficientes dessa variável podem ser sofrer do chamado efeito de encolhimento (shrinkage effect) dos parâmetros estimados (vide Wooldridge, 2002).

56

Pelas tabelas A1 a A3, nota-se que os efeitos fixos para os portos de Paranaguá e

Santos são os maiores, para todos os tipos de carga. Isso significa que, caso houvesse uma

microrregião para a qual se observasse a mesma distância (e custos logísticos) até todos os

portos do país, Santos e Paranaguá seriam os portos mais atraentes. Santos tem ainda a

vantagem de estar próximo dos maiores mercados consumidores e produtores. Além disso, a

malha viária brasileira garante uma boa acessibilidade ao porto de Santos, quando comparado

aos demais portos no país.

3.1.6. Simulações de efeitos de aumentos lineares dos custosde

transporte sobre as participações dos portos no total de

cargas movimentadas no país

A Tabela 18 abaixo apresenta alguns resultados referentes à simulação de cenários em

que ocorre um aumento de 10% nos custos de transporte e nas distâncias (distâncias

consideradas como proxy também para custos logísticos). Para o porto de Santos, por

exemplo, um aumento linear de 10% nos custos de transporte entre Santos e todas as

microrregiões brasileiras ocasiona uma redução de 12% no seumarket share. Isso significa que

Santos passaria a movimentar 3,27% (terceira coluna da tabela 1) a menos do total de carga

conteinerizada movimentada por todos os portos brasileiros.

Tabela 18 – Resultados das Simulações para Aumentos Lineares nos Custos de Transporte – Cargas Conteinerizadas, Brasil

Porto Considerado para Elevação dos Custos até as

Microrregiões

Razão entre Nova Participação e Participação

Original

Perda de Participação no Mercado

Total (%)

Portos Alternativos que Mais se Beneficiariam

Barcarena 0,86 -0,26 Belém, São Luíz/Itaqui, Santos

Belém 0,86 -0,19 Barcarena, São Luís/Itaqui, Santos, Pecém

Fortaleza 0,84 -0,38 Pecém, Recife/Suape, São Luís/Itaqui

Itajaí 0,84 -0,62 Santos, Paranaguá, Rio Grande

Manaus 0,89 -0,22 Santos / Paranaguá

Natal 0,87 -0,21 Recife/Suape, Pecém, Fortaleza, Salvador

Paranaguá 0,86 -1,46 Santos, Rio de Janeiro/Sepetiba, Rio Grande

Pecém 0,87 -0,72 Fortaleza, São Luís/Itaqui, Salvador, Santos

Porto de Rio Grande 0,86 -0,98 Santos, Paranaguá, Itajaí

Recife - Suape 0,89 -0,65 Salvador, Pecém, Natal

Rio de Janeiro – Sepetiba 0,85 -1,48 Santos, Paranaguá, Vitória

Salvador 0,87 -0,77 Recife/Suape, Santos, Vitória, Pecém

Santos 0,88 -3,27 Paranaguá, Rio de Janeiro/Sepetiba, Rio Grande

São Francisco do Sul 0,81 -0,47 Santos, Paranaguá, Itajai

São Luís - Itaqui 0,88 -0,45 Pecém, Barcarena, Santos

Vitória 0,86 -0,85 Santos, Rio de Janeiro/Sepetiba, Paranaguá


57

Essas simulações permitem também que se identifiquem os portos que se

apropriariam da fatia de mercado perdida pelo porto para o qual houve aumento nos custos

de transporte. Esses portos estão listados na quarta coluna daTabela 18. Para um aumento de

10% nos custos de transporte até o Porto de Santos, os portos que mais se apropriariam das

cargas perdidas por Santos seriam Paranaguá, Rio de Janeiro/Sepetiba, e Rio Grande, no caso

de cargas conteinerizadas.

Tabela 19 –Resultados das Simulações para Aumentos Linearesnos Custos de Transporte – Cargas Gerais, Brasil

Porto Considerado para Elevação

dos Custos até as Microrregiões


Original


Total (%)


Barcarena 0,86 -0,27 Belém, São Luiz/Itaqui, Santos

Belém 0,88 -0,14 Barcarena, São Luís/Itaqui

Fortaleza 0,84 -0,40 Pecém, São Luís/Itaqui, Recife/Suape

Itajaí 0,83 -0,66 Santos, Paranaguá, Rio Grande

Manaus 0,90 -0,24 Santos, Paranaguá, São Luís/Itaqui

Natal 0,87 -0,25 Recife/Suape, Pecém, Salvador, Fortaleza

Paranaguá 0,84 -1,56 Santos, Rio de Janeiro/Sepetiba, Rio Grande, Itajaí

Pecém 0,87 -0,73 Fortaleza, São Luís/Itaqui, Salvador, Santos

Porto de Rio Grande 0,85 -0,92 Santos, Paranaguá, Itajaí, Rio de Janeiro/Sepetiba

Recife - Suape 0,89 -0,66 Salvador, Pecém, Natal

Rio de Janeiro - Sepetiba 0,84 -1,59 Santos, Paranaguá, Vitória

Salvador 0,87 -0,74 Recife/Suape, Santos, Vitória, Rio de Janeiro/Sepetiba

Santarém 0,88 -0,13 Manaus, Santos

Santos 0,87 -3,23 Paranaguá, Rio de Janeiro/Sepetiba, Rio Grande

São Francisco do Sul 0,80 -0,48 Santos, Paranaguá, Rio Grande, Itajaí

São Luís - Itaqui 0,88 -0,55 Pecém, Barcarena, Santos, Fortaleza

Vitória 0,85 -0,92 Santos, Rio de Janeiro/Sepetiba, Paranaguá


Tabela 20- Resultados das Simulações para Aumentos Lineares nos Custos de Transporte – Granéis Sólidos, Brasil




Original


Total (%)


Aratu 0,83 -0,20 Salvador, Vitória, Recife/Suape

Barcarena 0,86 -0,15 São Luís/Itaqui, Santarém, Santos

Fortaleza 0,86 -0,40 Pecém, Recife/Suape, São Luís/Itaqui, Salvador

Guaíra 0,86 -0,63 Santos, Rio Grande, Paranaguá

Imbituba 0,83 -0,22 Rio Grande, Santos, Paranaguá, Itajaí, Guaíra

Itajaí 0,85 -0,37 Santos, Paranaguá, Rio Grande, Guaíra

Joao Pessoa 0,86 -0,19 Recife/Suape, Pecém, Fortaleza

Manaus 0,88 -0,22 Santos, Santarém, Vitória

Paranaguá 0,89 -1,23 Santos, Rio de Janeiro/Sepetiba, Rio Grande, Vitória

Pecém 0,86 -0,44 Fortaleza, Recife/Suape, São Luís/Itaqui, Vitória

Porto de Rio Grande 0,88 -1,03 Santos, Paranaguá, Guaíra, Rio de Janeiro/Sepetiba

Recife - Suape 0,89 -0,63 João Pessoa, Salvador, Pecém, Fortaleza, Vitória

Rio de Janeiro - Sepetiba 0,86 -1,25 Santos, Vitória, Paranaguá, Rio Grande, Guaíra

Salvador 0,86 -0,46 Vitória, Recife/Suape, Aratu, Santos

Santarém 0,86 -0,21 Manaus, Santos, Barcarena, São Luís/Itaqui

58




Original


Total (%)


Santos 0,88 -2,67 Paranaguá, Rio de Janeiro/Sepetiba, Vitória, Rio Grande

São Francisco do Sul 0,81 -0,32 Santos, Paranaguá, Rio Grande, Guaíra, Itajaí

São Luís - Itaqui 0,88 -0,34 Pecém, Fortaleza, Santos, Recife/Suape, Barcarena

Vitória 0,87 -1,27 Santos, Rio de Janeiro/Sepetiba, Paranaguá, Salvador

Elaboração dos autores. Pode-se observar que, em praticamente todos os casos, e para todos os tipos de carga

considerados neste estudo, um aumento de 10% nos custos de transporte até um

determinado porto leva a uma redução na participação de mercado daquele porto, no país

como um todo, de mais do que 10%. Isso sugere que a participação de mercado dos portos é

elástica em relação aos custos internos de transporte. No caso de São Francisco do Sul, um

aumento de 10% nos custos até esse porto implicaria uma redução de quase 20% na sua

participação. Esse percentual é observado para os três tipos de carga. Uma possível explicação

para a maior sensibilidade da participação deste portoé queas distâncias entre ele e

osprincipais importadores e exportadores que o utilizam são semelhantes às distâncias entre

estes últimos e os principais portos competidores de São Francisco do Sul.

De maneira geral, os resultados das simulações apresentadas nas tabelas 1 a 3 são

bastante intuitivos, uma vez que as cargas são movimentadas pelos portos mais próximos ou

pelo porto de Santos (que tem grande capacidade de movimentação e para o qual a malha de

transportes possibilita uma acessibilidade diferenciada). Os resultados sobre as perdas de

participação de mercado também estão de acordo com os resultados da identificação de

hinterlândias apresentados em Coutinho et al. (2014).

3.1.7. Simulações de efeitos de reduções lineares dos custos de

transporte de portos concorrentes sobre a participação dos

portos na movimentação de cargas em cada mercado

geográfico

As tabelas abaixo apresentam os impactos simulados, para cada porto, dereduções

lineares dos custos de transporte para os seus principais portos competidores. Foram

consideradas duas situações em termos de melhoria no acesso terrestre aos concorrentes. No

primeiro caso, háuma melhoria no acesso ao principal porto concorrente, enquanto no

segundo casoa melhoria ocorre no acesso aos três principais portos concorrentes. Os

59

principais concorrentes são os portos competidores que mais se apropriam da carga perdida

por um determinado porto. Foram quantificadas as reduções nas participações dos portos nos

mercados geográficos identificados em Coutinho et al. (2014).

Foram consideradas nesta análise reduções percentuais de 20% tanto para as variáveis

de custo quanto para as variáveis de distância até o principal porto competidor ou até os três

principais portos competidores, dependendo do caso. Para facilitar a visualização dos

resultados, as tabelas abaixo apresentam apenas os impactos sobre os portos que possuem

mais de 30% de participação total (em toneladas) nas movimentações de cada mercado

geográfico. Essa movimentação corresponde aos anos de 2009 a 2012, e incluitanto operações

de exportação quanto de importação.

Tabela 21 – Resultados das Simulações para Reduções Lineares nos Custos de Transporte de Portos Concorrentes – Cargas Conteinerizadas, Mercados Geográficos

Mercado Geográfico Porto Participação do Porto no Mercado Geográfico (%)

Atual Principal Porto

Concorrente 3 Principais Portos

Concorrentes Santos Santos 84,76 78,95 73,61

Rio Grande Porto de Rio Grande 80,58 71,45 66,13

Itajaí / São Francisco do Sul Itajaí 59,24 51,88 45,39

Vitória Vitória 63,58 59,01 54,18

Pecém / Fortaleza Pecém 54,38 49,18 46,24

Paranaguá Paranaguá 69,76 58,77 55,94

Salvador / Aratu Salvador 55,95 52,81 47,22

Santos / Paranaguá / Manaus Santos 53,08 49,52 43,82

Rio de Janeiro / Santos / Sepetiba Rio de Janeiro - Sepetiba 63,70 54,01 50,19

Barcarena / Belém / Santarém Barcarena 38,31 34,12 31,79

Suape / Maceió / Recife Recife - Suape 48,83 46,55 43,14

Manaus Manaus 76,93 75,47 73,68

São Luiz São Luís - Itaqui 48,31 44,93 42,17

Santos / Vitória Santos 58,58 51,34 44,58

Elaboração dos autores. De acordo com a tabela acima, os terminais do porto de Santos são responsáveis por

quase 85% do peso total movimentado, em operações de importação e exportação, em sua

hinterlândia direta. O principal porto competidor é Paranaguá. Uma redução dos custos de

transporteentre os municípios que fazem parte da hinterlândia de Santos e o porto de

Paranaguá levaria a uma redução na participação do porto de Santos para cerca de 79%. Caso

houvesse uma redução linear nos custos de transporte para os três principais portos

concorrentes de Santos (Paranaguá, Rio de Janeiro/Sepetiba e Rio Grande), a participação do

porto de Santos na sua hinterlândia direta se reduziria para 74%.

60

No caso do Porto de Rio Grande, ele movimenta quase 81% da carga exportada ou

importada pelos municípios de seu mercado geográfico. Dentro do porto, de acordo com

Coutinho et al. (2014), praticamente toda a carga conteinerizada é movimentada pelo TECON

(com base nos dados do Sistema de Desempenho Portuário – SDP). Portanto, há alta

concentração nesse mercado. De acordo com a tabela 4, caso houvesse uma redução nos

custos de transporte em torno de 20% até o porto de Santos, a participação de mercado do

TECON Rio Grande cairia para em torno de 71%. Caso houvesse uma redução nos custos para

os portos de Santos, Paranaguá e Itajaí, essa participação cairia para algo em torno de 66%.

Tabela 22 – Resultados das Simulações para Reduções Lineares nos Custos de Transportes de Portos Concorrente – Cargas Gerais, Mercados Geográficos




Concorrentes Manaus Manaus 75,99 74,53 70,74

Santos Santos 81,28 74,69 69,01

São Luiz São Luís - Itaqui 55,70 52,27 48,65

Rio Grande Porto de Rio Grande 79,31 70,65 64,81

Suape / Maceió / Recife Recife - Suape 47,48 45,34 41,80

Paranaguá Paranaguá 66,52 56,00 53,32

Vitória Vitória 61,41 56,95 52,04

Pecém / Fortaleza Pecém 52,20 46,74 43,52

Barcarena / Belém Barcarena 48,08 43,72 41,21

Barcarena / Belém Belém 30,97 27,11 26,17

Itajaí / São Francisco do Sul Itajaí 58,15 51,45 44,87

Aratu / Salvador Salvador 62,21 58,70 52,50

Rio de Janeiro / Sepetiba / Santos Rio de Janeiro - Sepetiba 70,36 60,20 55,55

Santos / Paranaguá / Manaus Santos 41,07 38,48 33,82

Vitória / Santos Santos 44,91 38,96 33,18

Vitória / Santos Vitória 35,37 27,24 23,79


Pode-se observar que, para vários dos mercados analisados, uma melhoria na

acessibilidade de exportadores e importadores a portos concorrentes pode resultar em

aumento da concorrência. Por outro lado, em mercados geográficos onde existe uma grande

concentração da movimentação de carga em um determinado porto, a redução de custos de

acessibilidade até portos concorrentes pode resultar em um cenário ainda de alta

concentração. Como pode ser visto na Tabela 22, que traz os resultados para cargas gerais,

mesmo com uma redução de 20% nos custos de transporte para os três principais portos

competidores, a participação do porto de Manaus17 na sua hinterlândia passaria apenas de

17 Lembramos que o termo “portos” refere-se aos portos de alfandegagem. Cargas registradas como exportadas ou importadas pelo Porto de Manaus, por exemplo, na verdade podem ter sido alfandegadas em qualquer um dos terminais abaixo (de acordo com a lista da Receita Federal): Estação Hidroviária da Amazônia;

61

76% para 71%. Para o porto de Santos, uma redução dos custos de transporte até os três

principais concorrentes reduziria a participação desse porto na movimentação de cargas gerais

em sua hinterlândia de 81% para 69%.

Tabela 23 – Resultados das Simulações para Aumentos Lineares nos Custos de Transportes de Portos Concorrentes – Granéis Sólidos, Mercados Geográficos




Concorrentes Fortaleza / Pecém Fortaleza 44,75 37.29 34.77

Fortaleza / Pecém Pecém 39,57 33.56 31.06

Recife / Suape / Maceió / Aracaju / Cabedelo Recife - Suape 52,67 50.28 47.67

Santos Santos 80,48 75.31 71.73

São Luiz São Luís - Itaqui 62,36 60.41 57.99

Rio Grande Porto de Rio

Grande 82,19 76.57 72.32

Vitória Vitória 80,78 77.84 74.25

Manaus / Santarém Manaus 52,73 49.76 46.56

Paranaguá / Corumbá Paranaguá 55,84 49.24 47.11

Santos / Paranaguá / Vitória Santos 42,24 39.28 33.73

Vitória / Sepetiba Rio de Janeiro -

Sepetiba 69,70 61.81 55.52

Aratu / Salvador Salvador 44,55 40.70 36.42

Elaboração dos autores. Esses resultados sugerem que, em alguns mercados geográficos, medidas de redução

nos custos de acessibilidade até portos competidores não seriam suficientes para estimular a

concorrência de maneira significativa, precisando ser combinadas com medidas de incentivo à

concorrência intraportos. Esse é o caso, por exemplo, dos mercados geográficos de Santos, de

Manaus e de Rio Grande, para cargas gerais e cargas conteinerizadas. No caso de cargas

conteinerizadas, existem diversos terminais nos portos de Santos e de Manaus que

movimentam esse tipo de carga. Já a movimentação de contêineres no porto de Rio Grande

está concentrada no TECON Rio Grande.

Os resultados das simulações apresentadas nesta seção precisam ser interpretados

com cautela, uma vez que as reduções de custos simuladas não são necessariamente realistas

na prática. Por exemplo, caso houvesse melhorias significativas nos custos de transporte dos

municípios da hinterlândia de Santos até os portos de Paranaguá, Rio de Janeiro e Rio Grande,

possivelmente essas melhorias estariam inseridas em algum plano mais abrangente de

Terminal da Petrobras; SuperTerminais; Chibatão Navegação e Comércio Ltda.; Cimento Vencemos do Amazonas; Brteman Empresa de Revitalização. Sendo assim, cargas registradas como importadas ou exportadas pelo Porto de Manaus podem ter sido movimentadas pelo SuperTerminais ou pelo Terminal de Chibatão, que são potenciais competidores nessa região.

62

melhoria na malha viária. Esse plano poderia contemplar também melhorias na acessibilidade

ao próprio porto de Santos. Nesse caso, a participação do porto de Santos na movimentação

de cargas dessa hinterlândia poderia não seria reduzida significativamente, podendo até

mesmo aumentar.

O segundo motivo pelo qual os resultados desta seção devem ser vistos com cautela

está diretamente ligado à metodologia econométrica empregada. Nas simulações, as reduções

nos custos de transporte são feitas sob a hipótese de que os parâmetros do modelo

(parâmetros e ) permanecem os mesmos. Isso não ocorre necessariamente, uma vez

que os valores obtidos para os parâmetros podem estar intrinsecamente relacionados à

configuração observada na amostra para os custos de transporte e distâncias. Caso a

configuração fosse outra, esses parâmetros poderiam mudar1819.

3.2. Análise do Lucro Econômico dos Terminais Portuários

Uma maneira de medir o nível de concorrência é verificar se existem ou não lucro

econômico no setor. Lucro econômico é a diferença entre o retorno esperado e o custo de

capital de um empreendimento. Um empreendimento pode apresentar lucro econômico,

quando ele tem poder de mercado suficiente para fixar preços em valores superiores aos de

seus custos marginal (e médio, no longo prazo) de produção. Em estruturas de mercado

competitivas, lucro econômico ocorreria apenas como fruto de eficiências produtivas ou de

fatores aleatórios idiossincráticos, isto é, específicos ao terminal que apresenta este tipo de

lucro.

O critério financeiro ideal para avaliar poder de mercado é comparar preço com o

custo marginal (ou médio, no longo prazo). Uma grande diferença positiva entre estes dois

elementos seria evidência de um mercado não competitivo e de práticas imperfeitas de

comércio. Infelizmente, na prática essa comparação se revela inviável, pois é muito difícil

18 Quando os parâmetros estimados são sensíveis à configuração das variáveis preditoras na amostra,

diz-se que o modelo não é super-exógeno às variáveis preditoras (vide Hendry, 1995). 19

Caso o modelo não seja super-exógeno às variáveis explicativas, os resultados obtidos nas simulações podem distanciar-se dos valores que de fato ocorreriam em virtude de variações nos custos de transporte. Uma maneira de testar a super-exogeneidade do modelo é estimar os parâmetros sob configurações de custo de transporte e distâncias de diferentes anos. Infelizmente, havia apenas uma configuração disponível para este estudo. Uma sugestão de continuidade deste estudo é, portanto, estimar o modelo novamente quando novas configurações estiverem disponíveis.

63

mensurar custo marginal em indústrias de capital intensivo, como é o caso da indústria

portuária. Além disso, há muitos custos conjuntos no sistema portuário. E mesmo que uma

mensuração de custo marginal baseada em microdados das empresas fosse factível, ainda

assim haveria muitos problemas de compilação, pois os sistemas contábeis e financeiros dos

portos não estão habilitados a fornecer esse tipo de dados.

Uma saída para esse problema é utilizar o lucro líquido do terminal como proxy para a

diferença entre o preço que ele cobra pelos seus serviços portuários e o seu custo médio.

Chamamos de lucro residual a diferença entre o lucro líquido e o custo do capital próprio. Num

setor industrial em concorrência perfeita o lucro residual é, na média, próximo de zero.

Quando o lucro residual médio é significativamente diferente de zero, dizemos que ele

apresenta lucro econômico positivo ou lucro anormal. Portanto. Lucro anormalmente elevado

é evidência de existência de comportamento anticompetitivo por parte do terminal.

3.2.1. Indicadores Contábeis de Desempenho E Lucro Econômico

A fim de contextualizar o resultado, é conveniente definir lucro residual e econômico

em termos de taxas. Nessa linha, dois indicadores contábeis de desempenho financeiro

bastante comuns são o Retorno sobre o Investimento (RSI) e o Retorno sobre o Patrimônio

Líquido (RSPL), ambos facilmente calculados a partir das demonstrações financeiras dos

terminais. Podemos então definir lucro residual em percentual de duas formas: como a

diferença entre o RSI e o custo de capital medido pelo custo médio ponderado do capital

(WACC) e como a diferença entre o RSPL e o custo de capital próprio.

O RSI é a relação entre o lucro operacional e os ativos que geraram o lucro

operacional, chamados de ativos operacionais. O lucro operacional é também conhecido pela

sigla em inglês EBIT – Earnings Before Interest and Taxes, que significa o lucro antes do

imposto de renda (e da contribuição social sobre o lucro líquido) e das despesas financeiras.

No Brasil, para se obter o lucro operacional deve-se deduzir também do lucro líquido o

Resultado da Equivalência Patrimonial (REP), decorrente de eventuais participações societárias

que a empresa investidora tenha no patrimônio de suas investidas. O RSI captura quanto de

lucro operacional o negócio gerou, no exercício analisado, por cada unidade de ativo investido

em suas operações. Ele avalia o retorno dos ativos, desconsiderando a forma como eles foram

financiados. Formalmente:

64

itit

it

LORSI

AOM

onde:

RSIit= retorno sobre o investimento do terminal i, no ano t;

LOit= lucro operacional do terminal i, no ano t;

AOMit= ativos operacionais médios, do terminal i, no ano t.

sendo

LO = LL – (IRCSLL + DF + REP)

e

AOM = AT – ANO,

onde:

LL = lucro líquido;

IRCSLL = imposto de renda e contribuição social sobre o lucro líquido;

DF = despesas financeiras;

REP = resultado da equivalência patrimonial;

AT = ativo total; e

ANO = ativos não operacionais.

O RSI pode ser calculado também de acordo com a seguinte formulação alternativa:

1

2*it

it

t t

LL IRCSLL DF REPRSI

AT ANO AT ANO

Uma vez que o custo do capital é desconsiderado, para a apuração do lucro residual a

partir do RSI é necessário deduzir todo o custo das fontes de capital, próprio e de terceiros, o

que pode ser feito a partir do Weighted Average Cost of Capital (WACC), ou custo médio

ponderado do capital, de cada terminal. Assim, o lucro residual (ou anormal) da empresa i, no

exercício t, apurado a partir do RSI, será:

RSIit it itLR RSI WACC

Já oRSPL indica quanto o negócio gerou de retorno para os seus sócios, em relação ao

seu investimento, depois de considerar o pagamento do custo do capital de terceiros. É a

medida de síntese mais completa mostrada pelo sistema contábil, pois confronta o RSI com o

custo do capital que terceiros do negócio (bancos – empréstimos e financiamentos;

65

investidores não patrimoniais – debenturistas, etc) aportaram para financiar os ativos. Assim,

para obter o lucro residual a partir do RSPL é necessário deduzir somente o custo do capital

próprio, posto que o custo do capital de terceiros já integra esse indicador. Formalmente:

itit

it

LLRSPL

PL

onde:

RSPLit = retorno sobre o patrimônio líquido, do terminal i no período t;

LLit = lucro líquido, do terminal i no período t;

PLit = patrimônio líquido, do terminal i no início do período t.

É importante ressaltar que, como o patrimônio líquido inicial, que gera o lucro líquido,

pode alterar-se ao longo do período t, devido a novas contribuições de capital pelos donos ou

por recompra das ações/cotas de participação pela empresa, é mais adequado utilizar o

patrimônio líquido médio do período no lugar do patrimônio líquido do início do período. A

equação (4) ajustada ficaria:

1

2* itit

t t

LLRSPL

PL PL

E o lucro residual do terminal, a partir do seu respectivo RSPL, ficaria:

RSPLit it itLR RSPL CCP

ondeCCP é o custo do capital próprio do terminal, obtido através do modelo CAPM.

Os modelos WACC e CAPM são descritos na seção a seguir.

3.2.2. O Modelo CAPM e o Custo Médio Ponderado de Capital

(WACC)

O modelo CAPM é utilizado para determinar a taxa de retorno de equilíbrio de

qualquer ativo ou carteira de ativos. Partindo dahipótese que os investidores maximizam uma

função utilidade que depende da riqueza esperada e do risco, pode-se determinar como ele

decide fazer seus investimentos, tomando a distribuição dos retornos dos ativos como dada.

66

Este é o modelo de Markowitz20. Partindo do modelo de Markowitz, que descreve o

comportamento dos indivíduos nos mercados de ativos financeiros, o CAPM inverte o

problema e estuda qual a consequência dos comportamentos dos indivíduos sobre os preços

(ou taxas de retorno) dos ativos. Supondo que o risco de todo ativo, quando este pertence a

uma carteira diversificada, pode ser desmembrado em duas partes, um risco sistemático,

associado ao risco geral da economia, que não pode ser eliminado via diversificação, e um

risco idiossincrático, eliminável pela diversificação, o modelo encontra uma relação afim entre

os retornos esperados dos diversos ativos e carteiras e seus riscos sistemáticos medidos por

seus betas. E o retorno por unidade de risco sistemático é, por definição, a diferença entre o

retorno esperado da carteira de mercado (uma carteira bem diversificada onde o peso de cada

ativo na carteira é a razão entre o valor do ativo e o valor total de todos os ativos) e o retorno

do ativo livre de risco. A relação afim entre os retornos esperados dos ativos e seus betas é

chamada de Linha do Mercado de Títulos, conforme ilustrado na figura abaixo.

Figura 5 – Linha de Mercado de Títulos

Matematicamente, o CAPM é representado por:

( ) *i f i m fE R r E r r (1)

A equação acima mostra que o retorno esperado de investir em um ativo arriscado i,

E(ri), é igual ao retorno que seria obtido em um ativo sem risco, rf, mais um prêmio pelo risco,

que é resultado do produto da quantidade de risco, βi, pelo prêmio de risco por unidade de

risco[ .

O beta de um ativo é a razão entre a covariância entre o retorno do ativo específico e o

retorno da carteira de mercado e a variância do retorno da carteira de mercado. Formalmente,

20 Elton, Gruber, Brown e Goetzmann [2009] faz uma boa abordagem desta metodologia padrão em

finanças.

Retorno do

ativo

Beta

Taxa de retorno do

ativo sem risco

Cuva de mercado

do ativo

67

sendo ri uma série de retornos do ativo i, de periodicidade t (diária, semanal, mensal, etc) e rm

uma série de retornos da carteira de mercado, com mesma periodicidade, o beta pode ser

calculado como na equação (8) a seguir:

2

,i mi

m

Cov r r

r (2)

Dentre os diversos fatores que influenciam o beta de um ativo, destacam-se a natureza

do negócio, a alavancagem operacional e a alavancagem financeira. A alavancagem

operacional da empresa está relacionada à estrutura e ao uso dos ativos operacionais, e a

alavancagem financeira está relacionada à forma como os ativos da empresa são financiados:

por capital próprio (patrimônio líquido) e por capital de terceiros (passivo).

Os grupos proprietários dos terminais portuários no Brasil não são empresas de capital

aberto, com exceção do grupo Santos Brasil S.A., por isso não negociam ações em bolsas de

valores. Há, é verdade, algumas empresas donas de terminais no Brasil e que negociam suas

ações em bolsa, sendo exemplos a VALE S.A. e a Petrobrás S.A. Mas, para esses casos, a ação

negociada não é a dos terminais isolados que essas empresas possuem, mas a do

conglomerado empresarial como um todo, composto de várias empresas e linhas de negócio.

Não é possível, por essa razão, calcular o beta apenas do terminal, pois estes não possuem

ações negociadas na BM&FBovespa. Por outro lado, é possível obter o beta do grupo Santos

Brasil, empresa de capital aberto com ações negociadas na BM&FBovespa e que atua

predominantemente no negócio de terminais portuários, controlador dos terminais Imbituba,

Santos Brasil e Vila do Conde. O beta desse grupo poderia ser depois extrapolado para os

demais terminais não negociados em bolsa, através de suas estruturas de capital. Mas a baixa

liquidez dessa ação na bolsa brasileira compromete a confiabilidade do valor obtido para o

beta e, consequentemente, de todas as demais medidas que dele derivam.

Para superar esse problema, foi adotada neste trabalho a abordagem do CAPM

internacional, que estima o beta para o setor a partir dos dados de empresas listadas na bolsa

de Nova Iorque e usando como proxy da carteira de mercado o índice S&P500. Para simplificar

e utilizar uma metodologia harmônica com a metodologia aprovada pela ANTAQ em seus

estudos de EVTEA (ver ANTAQ (2007) e (2009)), foi utilizado para o cálculo do β (beta) do setor

portuário o beta da indústria marítima mundial calculado por Damodaran (Damodaran (2014)).

O CAPM estimado a partir dos dados de Damodaran é então adaptado para levar em conta os

riscos de se fazer o negócio no Brasil, seguindo modelo proposto em Coutinho e Oliveira

68

(2002) para identificar a taxa adequada de retorno para as concessionárias de distribuição de

energia elétrica no Brasil. No trabalho desses autores, primeiro foi obtido o beta médio

desalavancado de uma amostra de empresas de capital aberto americanas do setor elétrico.

Este beta médio desalavancado foi realavancado pela estrutura de capital de cada empresa

distribuidora do setor elétrico brasileiro com o objetivo de identificar os seus respectivos betas

a partir do mercado americano. Em seguida, a partir do CAPM internacional com alavancagem

das empresas brasileiras foram apuradas a taxa de retorno esperada que investidores em

ações das distribuidores brasileiras obteriam se atuassem naquele país. Finalmente, essa taxa

de retorno “americana” foi novamente ajustada para o Brasil, acrescentando-se o Risco Brasil

e o Risco Cambial. Depois desses ajustes, o modelo CAPMinternacional fica como na equação

(3) abaixo:

( ) * ( ]i f i m f B XE r r E r r r r , (3)

onderB é o prêmio de risco Brasil e rx é o prêmio de risco cambial, que serão detalhados a

seguir.

3.2.2.1. Prêmio de Risco Brasil

O risco país deve captar todas as barreiras à integração dos mercados financeiros:

custos de transação, custos de informação, controle de capitais, leis sobre tributação que

discriminam por país de residência e risco de futuros controles cambiais. O risco de moratória

ou de default deve ser separado do risco país porque o que é relevante para o investidor é o

risco de default da empresa para quem ele empresta, e não o risco de default do país onde a

empresa se localiza.

Embora reconhecidamente não reflita todos os riscos adicionados ao fazer um

empreendimento no Brasil em vez de nos EUA, têm-se usado mais recentemente o Credit

Default Swap (CDS) sobre bônus do governo brasileiro denominados em dólares para medir o

prêmio em retorno exigido pelos investidores para investir no Brasil.

3.2.2.2. Prêmio de Risco Cambial

O risco cambial é o risco de, no momento de fazer as movimentações financeiras que

envolvem troca de moeda, a taxa de câmbio não refletir uma situação de equilíbrio, como a

69

condição de paridade coberta da taxa de juros. Considerando investimentos estrangeiros no

Brasil, por exemplo, há que se considerar o risco de que a remuneração em dólar seja afetada

pela variação da taxa de câmbio Real/Dólar, conforme a expressão:

,Br r F S r (4)

onde é a taxa de juros doméstica, r é a taxa de juros externa, F é o valor futuro do dólar, S é

o valor do dólar hoje e rB é o prêmio de Risco Brasil. O termo (F – S) é chamado de forward

premium, observável no mercado futuro de dólar, podendo ser decomposto em duas partes:

– – T t xF S E S S r (5)

ondeST é a taxa de câmbio do dólar à vista no futuro, St é a taxa de câmbio do dólar à vista hoje

e rx é o risco cambial a ser analisado.

Seguindo a metodologia proposta por Wolff (1997, 2000), sugerida por Coutinho e

Oliveira (2002), será utilizada uma técnica econométrica destinada a prever uma variável não

observável – filtro de Kalman – para estimar o risco cambial. Esta técnica pode ser resumida,

em termos gerais, como:

Definir o prêmio de risco cambial como a diferença entre o spread do câmbio no

mercado futuro e a expectativa de desvalorização cambial.

Observar que a realização da mudança cambial é a expectativa de desvalorização mais

um ruído branco.

Aplicar então um filtro de Kalman para eliminar o ruído branco.

3.2.2.3. Realavancagem do Beta (

Damodaran (2014) fornece o beta desalavancado da indústria marítima mundial. A

hipótese implícita na metodologia da ANTAQ é que o risco do negócio para as empresas da

amostra é semelhante ao risco do negócio na operação de terminal portuário no Brasil. Dessa

forma, realavancando o beta de acordo com a estrutura de capital de cada terminal

componente da amostra brasileira, obtém-se o beta de cada terminal brasileiro da amostra,

conforme a expressão a seguir:

' 1i ii D

i

P D T

P (6)

onde:

70

= beta alavancado do terminal i;

= beta médio desalavancado, da indústria marítima (Damodaran, 2014);

Pi = patrimônio líquido do terminal i;

Di = dívidas (empréstimo, financiamento e emissão de títulos não patrimoniais) do terminal i;

T = alíquota do imposto de renda e contribuição social sobre o lucro líquido. Para o Brasil,

consideramos como sendo de 34% (25% de imposto de renda e 9% de contribuição

social sobre o lucro líquido).

A partir dos dos terminais brasileiros, computamos tambémo beta médio do setor

brasileiro através da média ponderada dos betas de cada um dos K terminais da amostra, isto

é:

1 1

K KB B

B i i B i ii i

w w (7)

O subscrito em é usado para indicar que se trata do beta médio da amostra de

terminais brasileiros. O ponderador consistirá da participação dos ativos de cada terminal

no total de ativos dos terminais da amostra. Por estar alavancado pela estrutura de capital de

cada terminal, ele representa o risco médio agregado do setor, considerando tanto o risco do

negócio quanto o risco financeiro.

3.2.2.4. Taxa de Retorno do Capital Próprio do Terminal e do

Setor

A partir dos , o modelo CAPM padrão pode ser utilizado para obter a taxa de retorno

que um investidor exigiria para investir no terminal i no momento tse ele estivesse localizado

nos EUA:

*EUA EUA EUA EUAf i m fiE r r E r r (8)

Adicionando-se os riscos país e cambial ao lado direito da equação(8), obtemos a taxa

de retorno esperada do terminal i no Brasil:

EUA EUA EUAf ii m f B xE r r E r r r r (9)

onde UAiEE r = retorno esperado para o capital próprio médio, EUA

fr = taxa de retorno livre de

risco, nos EUA (neste trabalhoassumiu-se para esta taxa a média anual, de 1994 a 2013, da

71

remuneração que o tesouro americano paga em seus bonds com maturidade de 25 anos), B =

beta médio da amostra de terminais portuários (este parâmetro é uma proxy para o cálculo do

risco médio, do negócio e financeiro, do setor portuário brasileiro21), = retorno

esperado do mercado, nos EUA (definido como igual à média da variação anual do índice

S&P500, de 1994 a 2013).

O retorno anual esperado sobre o capital no setor portuário brasileiro, para cada

terminal i, no momento t, B

itE r , será o retorno setorial americano acrescido dos riscos

Brasil (rB) e cambial (rx), isto é:

it itB EUA

B xE r E r r r (10)

Ainda, depois de apurado o , utilizamos o modelo CAPM padrão para identificar

quanto seria a taxa de retorno do setor portuário se as empresas do setor marítimo daquele

país tivessem o mesmo risco médio (do negócio e financeiro) dos terminais da amostra

brasileira, conforme abaixo:

*EUA EUA EUA EUAf S m fSE r r E r r (11)

onde:

UASEE r = retorno esperado para o capital próprio se terminais dos EUA tivessem mesma

alavancagem (risco financeiro) que terminais brasileiros22;

EUAfr = taxa de retorno livre de risco, nos EUA. Neste trabalho, assumimos para esta taxa a

média anual, de 1994 a 2013, da remuneração que o tesouro americano paga em seus bonds com maturidade de 25 anos;

S = beta médio da amostra de terminais portuários. Este parâmetro é uma proxy para o

cálculo do risco médio, do negócio e financeiro, do setor portuário brasileiro.

EUAmE r = retorno esperado do mercado, nos EUA. Assumimos como igual à média da variação

anual do índice S&P500, de 1994 a 2013.

21Além de uma taxa de retorno considerando o risco total médio do setor portuário brasileiro (beta médio), aplicado ao CAPM internacional, calcularemos também, neste trabalho, a taxa de retorno utilizando o risco total de cada terminal (beta específico), pois o investidor diferencia o seu retorno desejado de acordo com o endividamento do terminal que ele decide investir.

22 Equivalentemente, podemos definir como o retorno esperado queo setor portuário brasileiro obteria se instalado nos EUA.

72

O retorno anual médio esperado sobre o capital no setor portuário brasileiro, SE r ,

será o retorno o retorno que o setor obteria se fosse instalados nos EUA acrescidos dos riscos

adicionais por estarem no Brasil, isto é, dos riscos Brasil (rB) e cambial (rx):

EUAS S B xE r E r r r (12)

Para o risco soberano do Brasil, foi utilizado oCredit Default Swap dos bônus do

governo brasileiro. Para o cálculo do risco cambial do Brasil, rx, foi aplicado o filtro de Kalman,

conforme metodologia desenvolvida por Wolff (1987), utilizada também por Cheung (1993) e,

no Brasil, por Garcia e Olivares (2001) e Coutinho e Oliveira (2002). (Ver descrição detalhada

no Apêndice.)

3.2.2.5. Taxa de Retorno do Capital de Terceiros e a Taxa de

Retorno sobre o Capital (WACC)

O modelo comumente utilizado para calcular a taxa de retorno sobre o capital é o do

Custo Médio Ponderado do Capital ou WACC(Weighted Average Cost of Capital), representado

pela expressão:

* * * 1it itit it it B

it it

PL DWACC CCP CCT T

D PL D PL (13)

onde WACCit = custo médio ponderado do capital, do terminal i, no fim do ano t, PLit =

patrimônio líquido (capital próprio) do terminal i, no fim do ano t, Dit = dívidas onerosas

(empréstimos bancários e emissões) do terminal i, no fim do ano t, CCPit = custo do capital

próprio do terminal i, no fim do ano t, obtido conforme modelo CAPM, CCTit = custo do capital

de terceiros do terminal i, no fim do ano t e TB = alíquota corporativa do imposto de renda e

contribuição social, cujo valor típico no Brasil corresponde a 34%.

O custo do capital de terceiros pode ser estimado por duas metodologias alternativas.

A primeira, e que será utilizada aqui, parte dos dados contábeis das empresas, expressando o

custo do capital de terceiros como a razão entre as despesas financeiras e o montante do

passivo exigível. A segunda utiliza a classificação de risco de cada terminal portuário brasileiro.

Conhecendo a classificação de risco de um determinado terminal, é possívelconsultar o

mercado de bônus privado dos EUA para ver o quanto empresas na mesma classe de risco

estão pagando em termos de taxa de retorno de seus bônus. Adicionando a essa taxa de

retorno as taxas de prêmio de risco país e cambial, pode-se chegar à taxa que empresas no

73

Brasil na mesma classe de risco devem pagar para atrair capital em forma de empréstimo no

mercado internacional (este valor pode ser estimado mesmo que essas empresas nunca

tenham utilizado esta forma de financiamento). Optou-se pela primeira metodologia por duas

razões principais: porque utilizando os dados dos terminais são usados os dados reais de custo

de capital de terceiros que essas empresas enfrentaram ou enfrentam e porque muitas dessas

empresas não têm classificação de risco. Calculou-se também o WACC médio, utilizando o CCT

médio dos terminais portuários brasileiros.

3.2.3. Lucros Residuais dos Terminais Portuários Brasileiros

3.2.3.1. Terminais de Contêineres

A tabela a seguir mostra o lucro econômico dos terminais de contêineres da amostra

calculados de acordo com a metodologia descrita acima. O valor apresentado é uma média

aritmética dos lucros residuais anuais de 2008 a 2012. Os cálculos do custo do capitalforam

feitos considerando o beta alavancado por ano amostral de cada terminal, a partir dos quais

foram apuradas as médias anuais. Detalhes sobre estes cálculos podem ser encontrados no

relatório 5, enviado anteriormente à ANTAQ.

Tabela 24 – Lucro econômico por RSI e por RSLP - Contêineres e carga geral

Terminais Lucro Residual RSI Lucro Residual RSPL

TUP Chibatão -2,60% 0,98%

TUP Itapoá -17,81% -47,59%

TUP Pecém -12,55% -3,18%

TUP Portonave -14,37% -13,92%

TUP Teporti -16,27% -16,47%

Libra Rio 54,21% 127,74%

Libra Santos -2,20% -14,60%

Santos Brasil -7,96% 1,00%

Sepetiba Tecon -4,91% -0,52%

TCP -1,62% 77,41%

Tecon Rio grande 3,99% 5,74%

Tecon Salvador -5,93% 1,57%

Teconvi -22,03% -25,05%

74

Tecondi 2,59% 15,17%

TVV 18,59% 25,54%

Média do segmento -1,92% 8,92%

O lucro econômico dos terminais portuários que movimentam contêineres mostrou-se

negativo em -1,92% e positivo 8,92%, para os critérios do RSI (retorno sobre o investimento) e

RSPL (retorno sobre o patrimônio líquido), respectivamente. O valor positivo expressivo pelo

critério do RSPL está influenciado pelos elevados retornos dos terminais Libra Rio

(127,74,73%), e TCP (77,41%). Diversas fontes interferem para gerar a diferença entre o lucro

econômico medido pelo RSI e pelo RSPL, geralmente associadas à atividades do terminal não

relacionadas às atividades operacionais, mas não apenas. A legislação tributária também cria

possibilidades de lançamentos contábeis que alteram a relação teórica entre RSI e RSPL. Outra

fonte importante de discrepância é diferenças nas taxas de retorno pagas ao capital de

terceiros, onde acesso diferenciado a fontes do BNDES pode gerar consideráveis diferenças de

custo de capitação de investimentos por capital de terceiros. O critério do RSI é o mais

relevante para analisar a lucratividade do setor portuário por apresentar a lucratividade

proveniente das atividades típicas de um terminal. Todavia, o critério RSPL também é

interessante ao lançar luz sobre a importância de outras atividades dos terminais em suas

receitas.

Pelo critério do RSI, entre os 15 terminais, apenas 4 apresentaram lucro econômico

positivo, com os demais 11 terminais apresentando lucro econômico negativo. Desses 4

terminais que apresentaram lucro econômico positivo, apenas dois apresentaram lucro

econômico positivo expressivo: Libra Rio (54,21) e TVV (18,59). Não temos elementos para

explicar porque esses terminais apresentam lucro econômico expressivo, mas possivelmente

não é fruto de falha de mercado, pois estão situados em hinterlândias relativamente

competitivas. Tanto o terminal de Libra Rio quanto o terminal TVV estão em portos que

participam de hinterlândias onde existem diversos outros terminais, terminais esses que não

apresentam lucro econômico positivo. Só na cidade do Rio de Janeiro existem 3 terminais de

contêineres: Libra Rio, Multiterminais e Sepetiba Tecon. Além disso, os terminais dos portos de

Santos, Vitória e Niteroi têm participação expressiva na principal hiterlândia do Estado do Rio

de Janeiro23 (Rio de Janeiro / Sepetiba / Santos). Igualmente, existem diversos terminais

concorrendo com TVV. Apenas no Porto de Vitória movimentam contêineres e carga geral os

75

terminais Cais de Vitória, Companhia Portuária de Vila Velha (CPVV), Terminal de Vila Velha

(TVV), Capuaba, Peiú, Paul/Codesa e Flexibrás. É forçoso então concluir que o lucro econômico

significativo de alguns terminais portuários não é proveniente de abuso de poder econômico.

De fato, os dados contábeis apresentam forte evidência de elevado lucro econômico

negativo nos terminais de contêineres, o que nos alerta para a direção contrária à da regulação

de preços. Como nossa metodologia de determinação do WACC replica a metodologia utilizada

atualmente pela ANTAQ, caso a agência passe a regular os preços, muito provavelmente

autorizarão tarifas pelos serviços portuários acima dos preços atualmente praticados. Nesse

caso pode prevalecer o valor da tarifa nas negociações entre usuários e fornecedores de

serviços portuários, com as tarifas homologadas servindo de ponto focal nas negociações.

3.2.3.2. Terminais de granel líquido

O segmento de terminais portuários que movimentam granel líquido é mais

concentrado, quase um monopólio, uma vez que é dominado pela Petrobras, através de sua

subsidiária integral Transpetro. Todavia, o setor apresenta lucro econômico negativo para 12

dos 13 terminais da amostra, pelo critério RSI. Este resultado pode indicar que a Petrobrás,

embora tenha posição dominante, não exerce seu poder de mercado, cobrando tarifas

próximas dos verdadeiros custos e dessa forma induzindo os outros terminais a terem o

mesmo comportamento. Os resultados estão sumariados na Tabela 25:

Tabela 25 – Lucro econômico médio, 2008 a 2012: terminais de granel líquido localizados no Brasil (em %)

Terminais Lucro Residual RSI Lucro Residual RSPL

TUP Almirante Barroso -1,29% 3,86%

TUP Carmópolis -1,29% 3,86%

TUP Guamaré -1,29% 3,86%

TUP Madre de Deus -1,29% 3,86%

TUP Manaus -1,29% 3,86%

TUP São Francisco do Sul -1,29% 3,86%

Catallini 24,93% 19,43%

Decal -4,48% 0,95%

Ipiranga Petróleo -8,72% -0,96%

Petrobras -1,29% 3,86%

Temape -11,09% 3,75%

76

Tequimar -13,66% -8,65%

Vopak -1,76% 16,21%

Média do segmento -1,83% 4,44%

Apenas o terminal de Catallini apresenta lucro econômicopositivo expressivo no

critério RSI. O terminal de Catallini está localizado no Porto de Paranaguá e tem grande área de

armazenagem24. Novamente não indentificamos a fonte deste elevado lucro econômico, mas

não nos parece que exista significativa oportunidades de exercício de poder de mercado no

mercado onde o terminal Catallini se insere. Ao contrário, o resultado geral do segmento é de

lucro econômico não positivo, revelando ausência de preços abusivos.

3.2.3.3. Terminais de granel sólido

O lucro econômico do segmento de terminais de granel sólido, no período de 2008 a

2012, foi negativo em 3,76 % pelo critério do RSPL, e negativo em 8,248% pelo critério do RSI,

conforme pode ser visto na Tabela 26 a seguir. No conjunto dos 24 terminais da amostra, os

resultados finais médios pelos dois critérios não são tão divergentes, mas individualmente há

grandes variações.

Inicialmente, há o caso dos quatro terminais da VALE no segmento, três de uso

privativo e sem demonstrações financeiras individualizadas (CVRD Praia Mole, CVRD Tubarão e

Ponta da Madeira) e um arrendado e com demonstrações financeiras individuais (Terminal de

Minério da CPBS). Para os três terminais sem balanços individualizados, cálculos baseadosno

balanço e na demonstração do resultado do grupo VALE como um todo geram, para esses

terminais, os valores LRRSPL = 3,73% e LRRSI = 4,42%. Na verdade, esses resultados fazem pouco

sentido, pois não se referem aos três terminais privativos da VALE em si, mas ao conglomerado

VALE. Por outro lado, o lucro econômico positivo do terminal arrendado de minério da CPBS,

pertencente à VALE e que apresentou balanços individualizados, foi de 47,14% pelo critério do

RSPL e 35,23% pelo RSI. Esses valores são bastante elevados, já que representam uma média

anual de 2008 a 2012 e já estão descontados os efeitos da inflação. Se forem utilizados como

proxy para o desempenho dos demais terminais da VALE, eles podem ser tomados como

24A estrutura física da Cattalini é composta por 97 tanques, divididos em 3 centros de tancagens alfandegados e entrepostados, interligados por sistema de tubulações independentes. Opera em píer privado e público, com capacidade de atender até quatro navios simultaneamente.

77

evidência de expressivo poder de mercado detido pela VALE no mercado de granel sólido do

tipo mineral no Brasil.

Tabela 26 – Lucro econômico médio, 2008 a 2012: terminais de granel sólido localizados no Brasil

Terminais Lucro Econômico RSI Lucro Econômico RSPL

TUP CVRD Praia Mole 4,42% 3,73%

TUP CVRD Tubarão 4,42% 3,73%

TUP Ponta da Madeira 4,42% 3,73%

ACT -22,90% -14,05%

ADM do Brasil -12,82% 11,53%

Alunorte -19,22% -15,53%

Bianchini -11,97% -1,95%

Bunge -17,88% -14,37%

Cargill -3,78% -16,55%

Cereal Sul -24,30% -24,69%

Coamo -11,57% 0,96%

Cosan -6,61% 1,29%

Cotriguaçu -15,60% -16,90%

Louis Dreyfus -14,41% -10,76%

Pasa -11,61% -9,61%

T-Grão -14,81% -12,37%

TEAG -16,13% -9,73%

TECAR -2,81% 16,00%

Tergrasa -4,31% -1,78%

TERMAG -9,05% -8,77%

Terminal de Minério da CPBS (Vale) 35,23% 47,14%

Terminal XXXIX -10,17% -4,22%

TGG -8,08% -13,23%

Média do segmento -8,24% -3,76%

Além dos terminais da VALE, nenhum outro terminal de minério apresentou lucro

econômico positivo, pelo critério RSI.

78

Em síntese, no segmento de terminais que movimentam cargas do tipo granel sólido,

pode-se concluir que há lucros residuais positivos nos terminais de granéis minerais, refletindo

a alta concentração desse mercado, e ausência de lucros residuais significativos nos terminais

de granéis vegetais, onde a concorrência é maior.

3.3. Impactos de Variáveis de Eficiência, Distância para o porto

Estrangeiro e Preços dos Serviços Tarifários sobre as

Participações de Mercado de Portos e Terminais Brasileiros

Esta seção traz os resultados do uso do método de escolha discreta conhecido como

logit misto para estimar como as decisões de importadores e exportadores são afetadas pela

distância entre o porto ou terminal brasileiro e o porto estrangeiro, o tempo médio entre a

atracação do navio no porto/terminal e sua desatracação, e os preços cobrados pela prestação

dos serviços portuários. Esses resultados, à exceção daqueles referentes à análise dos

impactos de mudanças nos preços dos serviços portuários, já foram apresentados

anteriormente à ANTAQ, mais precisamente no relatório 4. A descrição da metodologia de

escolha discreta pode ser encontrada no Apêndice.

Vale relembraras seguintes características do estudo empírico apresentado no

relatório 4 : (a) A amostra contém apenas dados de exportações de mercadorias e referentes à

navegação de longo curso; (b) Nos segmentos de carga geral não conteinerizada, granel sólido

e granel líquido, foram considerados apenas os dez maiores portos/terminais, em termos de

participação de mercado. No segmento de contêineres, apenas os seis maiores portos

terminais foram considerados. A opção por trabalhar apenas com a navegação marítima de

longo curso se deve ao fato de esse tipo de navegação ser o foco do projeto. Já a opção por

incluir um número limitado de portos/terminais na amostra e analisar apenas transações de

exportação é resultado sobretudo de restrições computacionais. Os métodos econométricos

utilizados exigem que a amostra inicial sofra uma transformação que aumenta seu tamanho

várias vezes. Além disso, a inclusão de portos/terminais com participação de mercado muito

pequena prejudica o cálculo dos efeitos marginais.

79

3.3.1. Impactos de Variáveis de Eficiência e Distância para o

porto Estrangeiro

A base de dados do SDP contém informações sobre as cargas movimentadas por

portos e terminais brasileiros entre 2010 e 2013, mas a amostra utilizada para gerar os

resultados apresentados abaixo consiste apenas da movimentação de carga exportada por

meio de navegação de longo curso. Além disso, ela foi dividida em quatro partes, cada uma

correspondendo a um tipo de carga. Sendo assim, há quatro sub-amostras, uma para granéis

sólidos, uma para granéis líquidos, uma para contêineres, e uma para carga geral não

conteinerizada.

A variável dependente do modelo econométrico é discreta, e representa o porto ou

terminal que foi selecionado para realizar a movimentação da carga. As variáveis explicativas

são o peso da carga, o tempo médio entre a atracação e desatracação da embarcação no porto

brasileiro, e a distância entre o porto brasileiro de origem e o porto estrangeiro de destino.

A variável peso da carga (denominada PESOCARGA nas regressões) é simplesmente o

valor do peso da carga bruta, em toneladas, associado à identidade da carga, conforme

encontrado na base de dados do SDP, e, portanto, varia de carga para carga. As outras duas

variáveis explicativas são específicas do porto por onde a carga é movimentada. A variável

tempo médio entre a atracação e a desatracação (TEMPO) foi calculada, a partir dos dados do

SDP, como a média do tempo decorrido, em horas, entre a atracação do navio no

porto/terminal e a sua desatracação. Foram consideradas todas as atracações de navios

existentes na base de dados, ou seja, todas as que ocorreram entre os anos de 2010 a 2013.

Por fim, as distâncias entre os portos brasileiros de origem e os portos estrangeiros de destino

(DIST) foram coletadas manualmente do site

http://www.searates.com/reference/portdistance/ (e também do site http://www.sea-

distances.org/, quando necessário) e estão medidas em quilômetros. O SDP fornece, para cada

observação, o porto brasileiro de onde partiu a carga e o porto no exterior aonde a carga foi

enviada. Isso significa que há milhares de possíveis combinações porto de origem/porto de

destino. Como não seria factível coletar manualmente um número tão grande de distâncias, foi

utilizada apenas a distância entre o porto brasileiro de origem e o maior porto no país de

destino. Ou seja, apenas um porto por possível país de destino foi selecionado, e, para cada

observação, foi usada a distância entre o porto brasileiro de onde partiu a carga e o porto

selecionado para aquele país aonde a carga se destinava. Isso reduziu o número de distâncias a

ser coletado a apenas 10.428!

http://www.searates.com/reference/portdistance/

http://www.sea-distances.org/

http://www.sea-distances.org/

80

3.3.1.1. Detalhamento das Amostras

A amostra utilizada para analisar o mercado de movimentação portuária de granéis

sólidos exportados consiste dos dez portos com maior participação nesse mercado entre 2010

e 2013. A participação de mercado de cada porto/terminal foi calculada como o número de

cargas movimentadas naquele porto/terminal dividido pelo número de cargas movimentadas

em todos os portos/terminais da amostra. A tabela abaixo lista esses portos e suas respectivas

participações de mercado.

Tabela 27– Dez principais portos e terminais na movimentação de granéis sólidos (2010-2013)

Porto/Terminal Participação de

Mercado

Itaguaí 6,24%

Paranaguá 10,99%

Rio Grande 3,68%

Santos 13,96%

TUPes 20,58%

TUPma 11,98%

TUPpa 5,69%

TUPrj 3,64%

TUPrs 5,97%

Vila do Conde 2,83%

As denominações de TUP que aparecem na tabela acima são na verdade grupos de

terminais privados. Não foi possível identificar os impactos individuais de mudanças nas

variáveis de tempo de espera e distância entre instalações portuárias dos terminais privados

que fazem parte de cada grupo de TUPs. A tabela abaixo traz os terminais que fazem parte de

cada denominação de TUP e as suas respectivas participações naquele grupo:

81

Tabela 28 – Terminais em cada denominação de TUP – Granéis sólidos

TUP (denominação) Terminais Participação no

TUP

TUPes

CVRD Tubarão 82,27%

Ponta de Ubu 17,25%

Praia Mole 0,48%

TUPma Alumar 10,80%

Ponta da Madeira 89,20%

TUPpa

Caulim da Amazônia 10,76%

Munguba 0,18%

Omnia 0,28%

Ponta da Montanha 4,97%

Porto Murucupi 36,61%

Porto Trombetas 47,19%

TUPrj

Almirante Maximiano Fonseca 0,13%

MBR 99,61%

Terminal Portuário TKCSA 0,26%

TUPrs

Bianchini 63,36%

CEVAL 11,34%

Terminal Marítimo Luiz Fogliatto 24,43%

Yara Brasil Fertilizantes 0,88%

A amostra utilizada para analisar o mercado de movimentação portuária de carga geral

(não conteinerizada) exportada também consiste dos dez portos com maior participação nesse

mercado entre 2010 e 2013. Da mesma forma que no caso de granéis sólidos, a participação

de mercado de cada porto/terminal foi calculada como o número de cargas movimentadas

naquele porto/terminal dividido pelo número de cargas movimentadas em todos os

portos/terminais da amostra. A tabela abaixo lista esses portos e suas respectivas

participações de mercado.

82

Tabela 29 –Dez principais portos e terminais na movimentação de carga geral (2010-2013)


Mercado

Paranaguá 9%

Rio Grande 4,38%

Rio de Janeiro 13,51%

Santos 26,43%

São Francisco do Sul 4,28%

TUPba 1,12%

TUPes 17,25%

TUPsp 3,16%

Vila do Conde 7,96%

Vitória 6,24%

A próxima tabela traz os terminais que fazem parte de cada denominação de TUP e as

suas respectivas participações naquele grupo:

Tabela 30 – Terminais em cada denominação de TUP – Carga geral


TUP

TUPba Ponta da Laje 100%

TUPes

Ponta de Ubu 0,02%

Portocel 59,72%

Praia Mole 40,25%

TUPsp Usiminas 100%

A amostra utilizada para analisar o mercado de movimentação portuária de granéis

líquidos exportados consiste dos dez portos com maior participação nesse mercado entre 2010

e 2013. Da mesma forma que no caso das outras cargas, a participação de mercado de cada

porto/terminal foi calculada como o número de cargas movimentadas naquele porto/terminal

dividido pelo número de cargas movimentadas em todos os portos/terminais da amostra. A

tabela abaixo lista esses portos e suas respectivas participações de mercado.

83

Tabela 31 – Dez principais portos e terminais na movimentação de granéis líquidos (2010-2013)


Mercado

Aratu 10,40%

Paranaguá 4,69%

Rio Grande 7,92%

Santos 22,22%

TUPba 9,49%

TUPpa 6,60%

TUPpr 13,88%

TUPrj 9,57%

TUPrs 4,99%

TUPsp 5,99%

A tabela a seguir traz os terminais que fazem parte de cada denominação de TUP e as


Tabela 32 – Terminais em cada denominação de TUP – Granéis líquidos


TUP

TUPba Dow Aratu 59,16%

Madre de Deus 40,84%

TUPpa

Agropalma 13,75%

Ponta da Montanha 25,79%

Porto Murucupi 60,46%

TUPpr Cattalini 100%

TUPrj

Almirante Tamandaré (Ilha

d’Água) 35,57%

Almirante Maximiano Fonseca 62,05%

TUP de GNL da Baía de

Guanabara 1,98%

84


TUP

Ilha Redonda 0,40%

TUPrs

Almirante Soares Dutra 12,50%

Bianchini 45,08%

Ceval 18,94%

Santa Clara 23,48%

TUPsp

Almirante Barroso 10,41%

Dow Brasil Guarujá 1,89%

Sucocítrico Cutrale 87,70%

Por fim, a amostra utilizada para analisar o mercado de movimentação portuária de

contêineres exportados consiste não dos dez portos com maior participação no mercado,

como nos casos dos outros tipos de carga, mas apenas dos seis maiores. Além disso, por razões

computacionais, ela restringe-se a dados de 2012, último ano para o qual há observações para

todos os meses. O tamanho da amostra, após ela ter sido transformada para o formato

“longo” (exigido pelo programa econométrico Stata para rodar o modelo logit misto), foi de

2.693.796 (dois milhões, seiscentos e noventa e três mil, setecentas e noventa e seis)

observações.

Como de praxe, a participação de mercado de cada porto/terminal foi calculada como

o número de cargas movimentadas naquele porto/terminal dividido pelo número de cargas

movimentadas em todos os portos/terminais da amostra. A tabela abaixo lista esses portos e

suas respectivas participações de mercado.

Tabela 33 – Dez principais portos e terminais na movimentação de contêineres (2010-2013)


Mercado

Itajaí 10,13%

Rio Grande 25,80%

Santos 13,78%

São Francisco 6,86%

85


Mercado

TUPam 4,83%

TUPsc 27,17%

A próxima tabela traz os terminais que fazem parte de cada denominação de TUP e as


Tabela 34 – Terminais em cada denominação de TUP – Contêineres


TUP

TUPam Chibatão 1,46%

Super Terminais 98,54%

TUPsc

Braskarne 0,0000127%

Porto Itapoá 1,70%

Portonave 98,30%

Teporti 0,00000423

3.3.1.2. Análise de elasticidades

A medição do impacto de mudanças nas variáveis que medem eficiência portuária,

distância ao porto estrangeiro e peso da carga sobre as probabilidades de escolha dos

portos/terminais é comumente realizado por meio do cálculo de elasticidades. Esse cálculo

exige a estimação dos efeitos marginais das variáveis explicativas TEMPO, DIST e PESOCARGA

sobre aquelas probabilidades, o que, por sua vez, exige a estimação do modelo logit misto. Os

coeficientes e efeitos marginais estimados pelo modelo podem ser encontrados no relatório 4,

submetido anteriormente à ANTAQ.

As elasticidades-distância foram calculadas a partir das fórmulas abaixo:

Elasticidade própria: DIST i ii

i i

P DIST

DIST P

86

Elasticidade cruzada jDIST i

ij

j i

DISTP

DIST P

onde iP é a probabilidade de o porto i ser escolhido, iDIST é a distância entre o porto i e o

porto estrangeiro de destino, e jDIST é a distância entre um porto j i e o porto

estrangeiro de destino. A probabilidade do porto i que entra na fórmula é aquela avaliada no

valor médio das variáveis explicativas DIST, TEMPO e PESOCARGA. O valor da variável DIST que

aparece na fórmula é, evidentemente, também o seu valor médio amostral.

As fórmulas para as elasticidades-tempo são similares:

Elasticidade própria: TEMPO i ii

i i

P TEMPO

TEMPO P

Elasticidade cruzada jTEMPO i

ij

j i

TEMPOP

TEMPO P

onde iP é a probabilidade de o porto i ser escolhido, iTEMPO é o tempo médio entre a

atracação e a desatracação de uma embarcação no porto i, e jTEMPO é o tempo médio

entre a atracação e a desatracação de uma embarcação no porto j i . Como no caso das

elasticidades-distância, a probabilidade do porto i que entra na fórmula é aquela avaliada no

valor médio das variáveis explicativas DIST, TEMPO e PESOCARGA, e o valor da variável DIST é

o seu valor médio amostral.

A tabela a seguir apresenta as elasticidades-distância e elasticidades-tempo para o

mercado de movimentação de granéis sólidos. Cada célula pode ser lida como a variação

percentual da probabilidade de o porto/terminal listado na coluna correspondente ser

escolhido que resulta de um aumento de 1% na variável DIST ou TEMPO associada ao

porto/terminal listado na linha correspondente.

Antes de analisar as elasticidades,é precisodestacar que elas são calculadas sob a

hipótese ceteris paribus (tudo o mais constante). Para entender o que isso significa, considere

o seguinte exemplo. A variável Y depende (é uma função) de outras três variáveis, X, Z e W, e o

objetivo é calcular a variação percentual de Y quando há uma variação, digamos, de 1% na

variável X, que é a ideia do conceito de elasticidade. Para realizar esse cálculo, fixam-se os

valores das variáveis Z e W, tipicamente em seus valores médios na amostra, e supõe-se que

87

eles não mudam enquanto as variáveis Y e X variam. No caso da variável TEMPO, esse tipo de

exercício faz todo o sentido, mas no caso da variável DIST ele é irrealista. A hipótese ceteris

paribus subjacente ao cálculo elasticidade-distância implica que enquanto a distância entre um

porto brasileiro, digamos Santos, e o porto de destino se altera, a distância entre os demais

portos brasileiros e o porto de destino não muda. Mas a distância entre Santos e o porto de

destino só se modifica quando o porto de destino passa a ser outro. Nesse caso, as distâncias

entre os demais portos brasileiros e o porto de destino também se modifica. Por essa razão,

embora as elasticidades-distância apareçam nas tabelas abaixo, apenas algumas breves

considerações serão feitas a seu respeito.

O primeiro tipo de elasticidade analisado é a elasticidade-distância. Como ressaltado

acima anteriormente, a hipótese ceteris paribus subjacente ao cálculo dessas elasticidades

torna problemática a interpretação dos seus valores. No entanto, ela pode ser usada em um

exercício hipotético interessante. Considere a elasticidade-distância própria do porto de

Paranaguá, por exemplo, cujo valor é -0.75. Isso significa que, se houver um aumento de 10%

na distância entre Paranaguá e o porto de destino, a probabilidade de Paranaguá ser escolhido

para movimentar uma carga de granel sólido diminuirá em 7,5%, tudo o mais constante. A

forma natural de pensar sobre esse aumento da distância até o porto de destino é que ele

resulta de uma mudança no porto de destino. Mas também pode-se imaginar um porto

hipotético com as mesmas características de Paranaguá cuja localização seja tal que sua

distância até o porto de destino seja 10% maior do que a de Paranaguá. A chance de esse

porto hipotético ser escolhido seria 7,5% menor do que a de Paranaguá. Embora interessante

(ele pode ser usado para avaliar, por exemplo, o impacto da construção de um novo porto),

esse tipo de exercício não é o foco desta análise, de forma que não será repetido para as

elasticidades-distância dos mercados de carga geral e contêineres.

Considere agora as elasticidades-tempo. A primeira observação é que suas magnitudes

são relativamente pequenas. A maior elasticidade-cruzada é a de Itaguaí, igual a 0,03. Isso

significa que um aumento de 10% no tempo médio de atracação em Itaguaí aumenta a

probabilidade de qualquer outro porto/terminal ser escolhido em apenas 0,3%. A maior

elasticidade própria também é a de Itaguaí, igual a -0,20. Isso significa que um aumento de

10% no tempo médio de atracação em Itaguaí diminui a probabilidade de Itaguaí ser escolhido

em 2%. Em seguida vêm os portos de Paranaguá e Vila do Conde, com elasticidades próprias

de -0,17 e -0,15, respectivamente. Como a probabilidade de um porto ou terminal ser

escolhido pode ser usada como uma medida aproximada da sua participação de mercado, as

88

elasticidades de Itaguaí sugerem,em conjunto, que ele é o porto com maior impacto sobre as

participações de mercado dos portos/terminais que atuam no segmento de granéis sólidos.

Tabela 35 – Elasticidades-distância e tempo – Granéis sólidos

Itaguaí Paranaguá Rio Grande

DIST TEMPO DIST TEMPO DIST TEMPO

Itaguaí -0,69 -0,20 0,11 0,03 0,11 0,03

Paranaguá 0,07 0,01 -0,75 -0,17 0,07 0,01

Rio Grande 0,01 0,00 0,01 0,00 -0,81 -0,13

Santos 0,08 0,02 0,08 0,02 0,08 0,02

TUPes 0,19 0,02 0,19 0,02 0,19 0,02

TUPma 0,17 0,02 0,17 0,02 0,17 0,02

TUPpa 0,02 0,00 0,02 0,00 0,02 0,00

TUPrj 0,09 0,02 0,09 0,02 0,09 0,02

TUPrs 0,02 0,00 0,02 0,00 0,02 0,00

Vila do Conde 0,01 0,00 0,01 0,00 0,01 0,00

Santos TUPes TUPma


Itaguaí 0,11 0,03 0,11 0,03 0,11 0,03

Paranaguá 0,06 0,01 0,06 0,01 0,07 0,01

Rio Grande 0,01 0,00 0,01 0,00 0,01 0,00

Santos -0,73 -0,14 0,08 0,02 0,09 0,02

TUPes 0,19 0,02 -0,56 -0,07 0,19 0,02

TUPma 0,18 0,02 0,17 0,02 -0,62 -0,07

TUPpa 0,02 0,00 0,02 0,00 0,02 0,00

TUPrj 0,09 0,02 0,09 0,02 0,09 0,02

TUPrs 0,02 0,00 0,02 0,00 0,02 0,00

Vila do Conde 0,01 0,00 0,01 0,00 0,01 0,00

TUPpa TUPrj TUPrs


Itaguaí 0,11 0,03 0,11 0,03 0,11 0,03

Paranaguá 0,06 0,01 0,07 0,01 0,06 0,01

Rio Grande 0,01 0,00 0,01 0,00 0,01 0,00

Santos 0,08 0,02 0,08 0,02 0,08 0,02

TUPes 0,19 0,02 0,19 0,02 0,20 0,02

89

TUPma 0,17 0,02 0,17 0,02 0,17 0,02

TUPpa -0,74 -0,09 0,03 0,00 0,02 0,00

TUPrj 0,09 0,02 -0,70 -0,14 0,09 0,02

TUPrs 0,02 0,00 0,02 0,00 -0,81 -0,12

Vila do Conde 0,01 0,00 0,01 0,00 0,01 0,00

Vila do Conde

DIST TEMPO

Itaguaí 0,11 0,03

Paranaguá 0,06 0,01

Rio Grande 0,01 0,00

Santos 0,09 0,02

TUPes 0,20 0,02

TUPma 0,17 0,02

TUPpa 0,02 0,00

TUPrj 0,09 0,02

TUPrs 0,02 0,00

Vila do Conde -0,72 -0,15

A tabela a seguir apresenta as elasticidades no mercado de carga geral. A primeira

constatação é a de que as magnitudes das elasticidades-tempo próprias e cruzadas são, em

média, um pouco maiores do que as encontradas no mercado de granéis sólidos. A maior

elasticidade cruzada é a do TUPsp, que, só para relembrar, é o TUP Usiminas. Seu valor de 0,08

indica que um aumento de 10% no tempo médio de atracação em Usiminas aumenta a

probabilidade de qualquer outro porto/terminal ser escolhido em apenas 0,8%. A maior

elasticidade própria também é a de Usiminas, igual a -0,89. Isso implica que aumento de 10%

no tempo médio de atracação em Usiminas diminui a probabilidade de Usiminas ser escolhido

em 8,9%. Em seguida vêm os portos de Paranaguá e Vila do Conde, com elasticidades próprias

de -0,17 e -0,15, respectivamente. Pode-se concluir que há evidências de que Usiminas é o

porto/terminal com maior impacto sobre as participações de mercado no segmento de carga

geral.

Tabela 36 – Elasticidades-distância e tempo – Carga geral

Paranaguá Rio Grande Rio de Janeiro


90

Paranaguá -0,58 -0,11 0,08 0,02 0,08 0,02

Rio Grande 0,05 0,01 -0,63 -0,14 0,05 0,01

Rio de Janeiro 0,04 0,03 0,04 0,03 -0,59 -0,45

Santos 0,13 0,03 0,13 0,03 0,13 0,03

São Francisco do Sul 0,00 0,00 0,00 0,00 0,00 0,00

TUPba 0,00 0,00 0,00 0,00 0,00 0,00

TUPes 0,14 0,06 0,14 0,06 0,14 0,06

TUPsp 0,05 0,08 0,05 0,08 0,05 0,08

Vila do Conde 0,06 0,03 0,07 0,03 0,07 0,03

Vitória 0,07 0,02 0,07 0,02 0,07 0,02

Santos São Francisco do Sul TUPba


Paranaguá 0,08 0,02 0,08 0,02 0,08 0,02

Rio Grande 0,05 0,01 0,05 0,01 0,05 0,01

Rio de Janeiro 0,04 0,03 0,04 0,03 0,04 0,03

Santos -0,52 -0,11 0,13 0,03 0,13 0,03

São Francisco do Sul 0,00 0,00 -0,65 -0,18 0,00 0,00

TUPba 0,00 0,00 0,00 0,00 -0,61 -0,12

TUPes 0,14 0,06 0,14 0,06 0,14 0,06

TUPsp 0,05 0,08 0,05 0,07 0,05 0,08

Vila do Conde 0,06 0,03 0,07 0,03 0,06 0,03

Vitória 0,07 0,02 0,07 0,02 0,07 0,02

TUPes TUPsp Vila do Conde


Paranaguá 0,08 0,02 0,08 0,02 0,08 0,02

Rio Grande 0,05 0,01 0,05 0,01 0,05 0,01

Rio de Janeiro 0,04 0,03 0,04 0,03 0,04 0,03

Santos 0,13 0,03 0,13 0,03 0,13 0,03


TUPba 0,00 0,00 0,00 0,00 0,00 0,00

TUPes -0,47 -0,20 0,14 0,06 0,15 0,06

TUPsp 0,05 0,08 -0,60 -0,89 0,05 0,08

Vila do Conde 0,07 0,03 0,07 0,03 -0,49 -0,21

Vitória 0,07 0,02 0,07 0,02 0,07 0,02

Vitória

91

DIST TEMPO

Paranaguá 0,08 0,02

Rio Grande 0,05 0,01

Rio de Janeiro 0,04 0,03

Santos 0,13 0,03

São Francisco do Sul 0,00 0,00

TUPba 0,00 0,00

TUPes 0,14 0,06

TUPsp 0,05 0,08

Vila do Conde 0,07 0,03

Vitória -0,56 -0,16

A Tabela 37apresenta as elasticidades no mercado de contêineres. A maior

elasticidade cruzada é a do porto de Santos, igual a 0,17. Portanto, um aumento de 10% no

tempo médio de atracação em Santos aumenta a probabilidade de qualquer outro

porto/terminal ser escolhido em1,7%. Observe que, por outro lado, o maior impacto de outro

porto/terminal sobre a participação do porto de Santos nesse mercado é o do TUPsc, com

1,3%, seguido por Rio Grande e Itajaí, com 1,1% e 1%, respectivamente. Observe também que

São Francisco do Sul e TUPam têm efeito praticamente nulo sobre as participações de mercado

dos outros portos/terminais. Quanto às elasticidades próprias, verifica-se que a maior é a do

TUPam. Um aumento de 10% no tempo médio de atracação em TUPam diminui a

probabilidade de que ele seja escolhido em 15,1%. Isso mostra que se a eficiência do TUPam,

medida pelo seu tempo médio de atracação, diminui, ele perde bastante participação de

mercado, mas o impacto individual dessa sua queda de eficiência sobre cada um dos outros

terminais é muito pequena. As duas elasticidades próprias mais altas após a do TUPam são as

de Itajaí (-0,48) e Santos (-0,41). Dada a análise de elasticidades cruzadas, isso é evidência de

que Santos e Itajaí são os portos com maior impacto sobre as participações de mercado no

segmento de contêineres.

Tabela 37 – Elasticidades-distância e tempo – Contêineres

Itajaí Rio Grande Santos


Itajaí -4,78 -0,48 1,03 0,10 0,99 0,10

Rio Grande 1,48 0,11 -4,54 -0,33 1,47 0,11

92

Santos 1,68 0,17 1,73 0,17 -3,98 -0,41


TUPam 0,00 0,00 0,00 0,00 0,00 0,00

TUPsc 1,57 0,13 1,57 0,13 1,59 0,13

São Francisco do Sul TUPam TUPsc


Itajaí 1,01 0,10 1,00 0,10 1,00 0,10

Rio Grande 1,46 0,10 1,45 0,11 1,44 0,11

Santos 1,75 0,17 1,70 0,17 1,71 0,17

São Francisco do Sul -5,81 -0,39 0,06 0,00 0,06 0,00

TUPam 0,00 0,00 -5,68 -1,51 0,00 0,00

TUPsc 1,54 0,14 1,59 0,14 -4,23 -0,36

As elasticidades-tempo também podem ser utilizadas para tecer considerações sobre o

nível de concorrência nos mercados de movimentação de granéis sólidos, carga geral e

contêineres na dimensão eficiência. Em outras palavras, as magnitudes dos valores das

elasticidades podem ser utilizadas para avaliar se os portos/terminais de um

determinadomercado são afetados por mudanças nos níveis de eficiência dos demais

portos/terminais daquele mercado, lembrando que a eficiência está sendo medida como o

tempo médio entre a atracação e a desatracação de embarcações. A tabela abaixo apresenta

as médias das elasticidades próprias e cruzadas nos três mercados.

Tabela 38 – Médias das elasticidades-tempo próprias e cruzadas – Granéis sólidos, carga geral e contêineres

Elasticidades médias

Tipo de carga Próprias Cruzadas

Granéis sólidos -0,128 0,012

Carga geral -0,257 0,028

Contêineres -0,58 0,087

93

A primeira constatação é de que o mercado de contêineres é aquele em que uma

variação no nível de eficiência de um porto/terminal tem o maior impacto médio tanto sobre a

participação de mercado daquele porto/terminal quanto sobre as dos demais25. Isso é uma

indicação de que a concorrência via eficiência no mercado de contêineres é maior do que nos

outros mercados.

As magnitudes das elasticidades-tempo própria e cruzada no mercado de granéis

sólidos indicam que a concorrência via eficiência nesse mercado é relativamente pequena.

Como, em média, um porto/terminal que aumente a sua eficiência (reduza o tempo entre

atracação e desatracação) em 10% só conseguirá aumentar sua participação de mercado em

1,28%, há pouco incentivo para que esse porto/terminal tente conquistar participação de

mercado via ganhos de eficiência. Por outro lado, como um aumento de eficiência de 10% em

um determinado porto/terminal só reduz a participação de mercado de outro porto/terminal

em 0,12%, nenhum participante desse mercado tem muitos motivos para temer ganhos de

eficiência da concorrência.

O mercado de carga geral apresenta elasticidades um pouco mais altas do que as do

mercado de granéis sólidos. A elasticidade própria média de -0,257 significa que um aumento

de 10% na eficiência de um dado porto/terminal aumentará sua participação de mercado em

2,57%, em média. Já a elasticidade cruzada média de 0,028 implica que um aumento de

eficiência de 10% em um determinado porto/terminal reduzirá a participação de mercado de

outro porto/terminal em 0,28%, em média. Conclui-se também nesse caso que há poucos

incentivos para que porto/terminais tentem aumentar suas fatias de mercado via ganhos de

eficiência. Da mesma maneira, não parece haver motivos para que participantes desse

mercado temam ser muito prejudicados por ganhos de eficiência da concorrência.

A concorrência via eficiência no mercado de contêineres já é mais significativa. A

participação de mercado de um porto/terminal aumenta 5,8% como resultado de um ganho

de eficiência de 10%, em média. Já a queda na participação de mercado de um porto/terminal

quando um concorrente aumenta sua eficiência em 10% é de 0,87%, em média. Sendo assim,

embora os portos/terminais não sejam muito afetados, individualmente, por ganhos de

25 É importante lembrar que a amostra usada para o estudo do mercado de movimentação de contêineres inclui

seis portos e terminais, contra dez das amostras para os outros dois mercados. Isso significa que, no mercado de contêineres, o impacto de um porto/terminal é repartido entre um número menor de portos/terminais do que nos outros mercados, o que tende a aumentar as elasticidades cruzadas. Por outro lado, a probabilidade de escolha (participação de mercado) média nomercado de contêineres é maior do que nos outros dois, o que atua no sentido contrário, ou seja, de reduzir as elasticidades cruzadas.

94

eficiência da concorrência, cada um deles tem um incentivo não negligenciável de aumentar

sua eficiência para ganhar participação de mercado. É claro que essa decisão depende também

dos custos de aumentar essa eficiência, o que não pode ser medido com os dados disponíveis

para este estudo.

O último tipo de elasticidade a ser considerado é aquele que mede os efeitos de

mudanças no peso da carga sobre as probabilidades de escolha (participações de mercado)

dos portos/terminais. As elasticidades-peso foram calculadas a partir da seguinte fórmula:

PESO ii

i

P PESOCARGA

PESOCARGA P

,

onde iP é a probabilidade de o porto i ser escolhido e PESOCARGA é o valor do peso da carga

bruta. A probabilidade do porto i que entra na fórmula é aquela avaliada no valor médio das

variáveis explicativas DIST, TEMPO e PESOCARGA. O valor da variável PESOCARGA utilizado nos

cálculos é o seu valor médio amostral.

Tabela 39 – Elasticidades-peso – Granéis sólidos, carga geral e contêineres

Elasticidade-peso

Porto/Terminal Granéis sólidos Carga geral Contêineres

Itaguaí 0,12 -- --

Itajaí -- -- -0,28

Paranaguá -0,47 -0,19 --

Rio Grande -2,19 -0,76 0,07

Rio de Janeiro -- -0,54 --

Santos -0,25 0,29 0,16

São Francisco do Sul -- -3,68 -0,11

TUPam -- -- -0,01

TUPba -- -6,69 --

TUPes 0,55 -0,50 --

TUPma 0,41 -- --

TUPpa -1,52 -- --

TUPrj -0,15 -- --

TUPrs -1,55 -- --

95

Elasticidade-peso

Porto/Terminal Granéis sólidos Carga geral Contêineres

TUPsc -- -- 0,08

TUPsp -- 0,18 --

Vila do Conde -2,05 -0,25 --

Vitória -- -0,32 --

Observa-se que, em valores absolutos, as elasticidades-peso no mercado de

contêineres são, em média, menores do que as dos mercados de granéis sólidos e carga geral.

No mercado de contêineres, a maior elasticidade, em valores absolutos, é a do porto de Itajaí,

seguida pela do porto de Santos. Se houver um aumento de 10% no peso da carga bruta, a

participação de Itajaí diminui em 2,8%, e a de Santos aumenta em 1,6%. Já no mercado de

granéis sólidos, as maiores elasticidades em valores absolutos são as de Rio Grande e Vila do

Conde. Um aumento de 10% no peso da carga bruta diminui as probabilidades de que esses

portos sejam escolhidos em 21,9% e 20,5%, respectivamente. No mercado de carga geral, o

maior impacto de variações no peso da cara é de longe, sobre TUPba. A probabilidade de que

esse terminal seja escolhido diminui em 66,9% quando o peso da carga aumenta em 10%. Os

beneficiários de aumentos no peso da carga no mercado de carga geral são somente o porto

de Santos e o TUPsp, com elasticidades de 0,29 e 0,18, respectivamente.

3.3.2. Impactos de Mudanças nos Preços dos Serviços Portuários

Um tipo de análise muito utilizado em casos de defesa da concorrência é o que

combina elasticidades-preço de demanda com o método de perda crítica (critical loss). A ideia

é usar a elasticidade para calcular a variação percentual esperada na quantidade demandada

resultante de um aumento percentual no preço, geralmente de 10%. Essa variação esperada

da quantidade, que é evidentemente negativa, é então comparada à perda crítica, definida

como a queda de quantidade que faz com que o lucro da empresa seja o mesmo de antes do

aumento de preço. Se a queda esperada for maior do que a crítica, o aumento de preço não é

lucrativo, implicando ausência de poder de mercado significativo, e vice-versa.

96

Infelizmente os dados disponíveis para a realização deste estudo apresentam

deficiências que não permitem a aplicação da análise de perda crítica. Em primeiro lugar, os

dados de custo disponibilizados pelos terminais portuários por intermédio da ANTAQ não são

adequados para o cálculo de custos marginais, sem os quais não é possível calcular o índice de

Lerner, por sua vez essencial para a determinação da perda critica. Além disso, os dados sobre

preços de serviços portuários que constam do SDP são muito esparsos e, portanto,

inadequados para os estudos empíricos aqui desenvolvidos.

A impossibilidade de aplicar o método de perda crítica não significa que seja inútil

calcular as elasticidades-preço. Na verdade, essas elasticidades podem ser usadas diretamente

para medir a sensibilidade das participações de mercado dos terminais portuários a variações

nos preços dos seus serviços portuários. No entanto, para que isso seja possível, é preciso

resolver o problema da inexistência de dados sobre preços. Neste estudo, a razão entre a

receita operacional do porto/terminale seu volume de carga movimentada foi usada como

proxy para o preço do serviço portuário, o que não é ideal, como será discutido a seguir, mas

ainda assim produz resultados úteis para a análise de concorrência.

Os dados sobre receitas operacionais vieram de diversas fontes. Boa parte deles foi

enviado diretamente pelos terminais portuários, após solicitação da ANTAQ. No entanto,

alguns terminais não enviaram quaisquer informações, enquanto outros enviaram dados

incompletos. Por essa razão, foi necessário buscar fontes alternativas de dados. Algumas das

fontes utilizadas foram as seguintes: Planos mestres dos portos, resultados da parceria entre a

Universidade Federal de Santa Catarina(UFSC), representada pelo seu Laboratório de

Transportes e Logística (LabTrans), e a Secretaria de Portos da Presidência de República

(SEP/PR); demonstrativos financeiros das Companhias Docas, disponibilizados pela

Departamento de Coordenação e Governança das Empresas Estatais – DEST, do Ministério do

Planejamento, Orçamento e Gestão; publicação “Melhores dos Maiores” do Diário do

Comércio; e demonstrativos financeiros disponibilizados pelas empresas em suas páginas na

internet.

A razão entre receitas operacionais e movimentação de carga é evidentemente um

substituto imperfeito para o preço médio dos serviços portuários de um terminal. Entre as

imperfeições dessa medida, destacam-se:

1. A receita operacional não inclui apenas aquelas advindas de movimentações de

carga. Elas geralmente incluem receitas de armazenagem, entre outras.

97

2. Muitos terminais movimentam diversos tipos de carga, e não há como desagregar

a receita operacional por tipo de carga.

3. Os demonstrativos financeiros dos terminais portuários não são padronizados, o

que gera diferentes terminologias e dificulta a identificação da receita operacional.

4. Terminais portuários podem realizar discriminação de preços (descontos por

volume, por exemplo) que não é captada por essa medida.

Por outro lado, são muitos os estudos que usam esse indicador como proxy para

preços, dada a dificuldade de obter dados confiáveis sobre preços de serviços portuários na

maioria dos países. O Brasil não é exceção à regra, de forma que é preciso recorrer a dados

sobre receita operacional e volume de carga movimentada para calcular elasticidades-preço

no setor portuário brasileiro.

Como mencionado acima, um dos problemas com o uso de dados de receita

operacional é que eles incluem receitas geradas pela movimentação de diferentes tipos de

carga. A manutenção na amostra de terminais que movimentam vários tipos de carga geraria

distorções insanáveis, de forma que foi necessário expurgá-los. Como resultado, a amostra

utilizada nas estimações cujos resultados serão apresentados a seguir contém apenas

terminais que se especializam na movimentação de contêineres. Mesmo para essa amostra

reduzida, não existem dados sobre receitas operacionais para todos os anos de interesse. A

amostra mais ampla que foi possível obter contém dados do ano de 2010 apenas e inclui os

seguintes terminais: Chibatão, Itajaí, LibraRio, Libra Santos, Pecém, Portonave, Sepetiba,

Superterminais, TCP, TVV, TeconRioGrande, TeconSalvador, TeconSantos, TeconSuape,

Tecondi e Teconvi.

O modelo econométrico utilizado para explicar como importadores e exportadores

escolhem o porto ou terminal por onde escoar seus produtos foi o logit misto, cuja

metodologia está detalhada no Apêndice. A probabilidade de escolha de um porto/terminal é

explicada por três fatores: A distância entre o porto brasileiro e o porto de origem ou destino

no exterior, o tempo médio entre a atracação e a desatracação de embarcações no porto ou

terminal brasileiro, e os preços dos serviços portuários. Os dois primeiros fatores já haviam

sido estudados anteriormente, mais especificamente na seção 3.3.1.

Para cada terminal da amostra, foi realizado o seguinte exercício:

1. O modelo logit misto foi rodado uma primeira vez e as probabilidades de escolha

dos diversos terminais, registradas.

98

2. O preço cobrado pelo terminal x foi aumentado em 10%. Todas as demais variáveis

foram mantidas nos seus valores originais.

3. O modelo logit misto foi rodado novamente, e as novas probabilidades de escolha,

registradas.

4. Para cada observação da amostra, foi calculada a diferença entre a probabilidade

de escolha do terminal x antes e depois do aumento de preço.

5. Foi calculada a média das diferenças encontradas na etapa 4.

Os resultados desse exercício estão apresentados na tabela abaixo.

Tabela 40 – Quedas percentuais nas participações de mercado de uma amostra de terminais de contêineres resultantes de um aumento de 10% nos preços dos serviços portuários

Terminal de contêineres

Variação percentual na participação de mercado

Elasticidade-preço da participação de mercado (em

valor absoluto)

Chibatão -12,003% 1,2

Itajaí -18,196% 1,82

Libra Rio -17,558% 1,76

Libra Santos -4,399% 0,44

Pecém -1,697% 0,17

Portonave -6.180% 0,62

Sepetiba -13,143% 1,31

Superterminais -3,905% 0,39

TCP -10,781% 1,08

TVV -7,775% 0,78

Tecon Rio

Grande -5,737%

0,57

Tecon

Salvador -5,690%

0,57

Tecon Santos -8,348% 0,84

Tecon Suape -1,765% 0,18

Tecondi -12,816% 1,28

Teconvi -5,833% 0,58

99

Como pode-se observar, alguns terminais apresentam elasticidades maiores do que

um, calculadas como a variação percentual apresentada na tabela acima dividida pela variação

percentual do preço de 10%. Os terminais com participação de mercado elástica são Chibatão,

Itajaí, Libra Rio, Sepetiba, TCP e Tecondi.

É preciso tecer algumas considerações sobre essas elasticidades. Em primeiro lugar, o

que elas medem é a sensibilidade da participação de mercado do terminal (medida como a

probabilidade de esse terminal ser escolhido por importadores e exportadores) em relação aos

preços dos seus serviços portuários. O mercado em relação ao qual a participação é medida é

aquele servido por todos os terminais da amostra, que pode ser considerado de âmbito

nacional. Isso significa que a redução da participação de mercado de cada terminal nas

hinterlândias de que faz parte(como resultado de aumentos de preço) será maior do que as

indicadas na tabela acima. Isso, por sua vez, implica que o poder de mercado de cada terminal

de contêiner é menor do que o que pode parecer á primeira vista.

Em segundo lugar, é preciso que fique claro que uma elasticidade menor do que um

não significa que o terminal aumentaria seus lucros ao cobrar preços mais altos. Quando a

elasticidade é menor do que um, a participação de mercado do terminal diminui menos do que

proporcionalmente ao aumento do preço, mas essa queda de participação pode significar uma

queda de vendas, em termos absolutos, grande o suficiente para tornar o aumento de preço

não lucrativo. Uma análise completa dessa questão exigiria a aplicação do método da perda

crítica, o que, conforme discutido anteriormente, não é possível com os dados existentes.

Sendo assim, os valores das elasticidades apresentados na tabela acima têm maior

utilidade quando usados em uma análise ordinal, ou seja, que sirva para ordenar os terminais

de acordo com a sensibilidade de sua participação de mercado a variações de preço. Na tabela

a seguir, apresentam-se os terminais de contêineres por região geográfica, em ordem

decrescente de elasticidade.

Tabela 41 – Médias das Elasticidades por Região Geográfica

Região Terminal de contêineres

Elasticidade-preço da participação de mercado

(em valor absoluto)

Média aritmética das elasticidades da região

Sudeste

Libra Rio 1,76

1,07 Sepetiba 1,31

Tecondi 1,28

100

Região Terminal de contêineres

Elasticidade-preço da participação de mercado

(em valor absoluto)

Média aritmética das elasticidades da região

Tecon Santos 0,84

TVV 0,78

Libra Santos 0,44

Sul

Itajaí 1,82

0,93

TCP 1,08

Portonave 0,62

Teconvi 0,58

Tecon Rio

Grande

0,57

Norte Chibatão 1,2

0,80 Superterminais 0,39

Nordeste

Tecon Salvador 0,57

0,31 Tecon Suape 0,18

Pecém 0,17

Embora a média aritmética das elasticidades dos terminais de cada região não seja o

melhor indicador para esse tipo de análise, parece claro que os terminais localizados na região

Nordeste são os que estão menos sujeitos a concorrência via preços. Em outras palavras, caso

esses terminais aumentem seus preços, suas participações de mercado não serão reduzidas

substancialmente. No outro extremo encontram-se os terminais de contêineres da região

Sudeste, onde, na média, a participação de mercado cai mais do que proporcionalmente ao

aumento de preço. Os terminais da região Sul também parecem estar em um ambiente

altamente concorrencial, com a elasticidade média próxima de 1. Finalmente, os terminais da

região Norte apresentam comportamentos opostos. Enquanto a participação de Chibatão

cairia substancialmente caso houvesse uma elevação de preços, a do Superterminais seria bem

menos afetada.

101

3.4. Avaliação do Nível de Concorrência no Setor Portuário

Brasileiro com Base em Análise Integrada das Evidências

Empíricas

A análise de hinterlândias realizada na seção 2 deste relatório revelou que muitas

delas apresentam grau de concentração moderado ou alto, conforme medido pelo índice de

Herfindhal-Hirschman (IHH).Como resultado, foi necessário investigar em maior profundidade

os fatores que afetam a escolha de portos e terminais por parte de importadores e

exportadores, de forma a avaliar o grau de concorrência nesses mercados.

As seções 3.1 e 3.3realizaram exatamente essa investigação, revelando a importância

de quatro fatores fundamentais para explicar a probabilidade de escolha de portos/terminais:

Adistância entre o porto/terminal brasileiro e o porto de origem ou destino no exterior, o

tempo médio entre a atracação e a desatracação de embarcações no porto brasileiro, o custo

interno de transporte até ou a partir do porto brasileiro, e os preços dos serviços portuários.

Isso significa que, ao escolher o porto ou terminal por onde escoar sua carga, o importador ou

exportador leva em consideração a eficiência do porto ou terminal brasileiro (medida pelo

tempo em que uma embarcação fica atracada, em média), o custo do transporte marítimo,

medido de forma aproximada pela distância percorrida pela embarcação na viagem entre o

porto de origem e o de destino, o custo do transporte terrestre interno e os preços cobrados

pelos terminais.

Embora seja importante saber que esses fatores afetam as escolhas de importadores e

exportadores, mais importante, do ponto de vista de análise da concorrência, é medir o

impacto de variações desses fatores sobre as participações de mercado de portos e terminais.

Isso foi feito por intermédio do cálculo e da interpretação de elasticidades.

As elasticidades-distância, que medem os impactossobre as probabilidades de escolha

dos portos/terminais de variações percentuais nas distâncias entre portos de origem e de

destino, têm alguns problemas metodológicos que já foram discutidos anteriormente. Por essa

razão, sua interpretação ficou prejudicada. Já a análise da elasticidade-tempo, que mede os

efeitos de variações percentuais no tempo médio que uma embarcação fica atracada em um

porto ou terminal sobre a sua participação de mercado e sobre as dos outros portos e

terminais, trouxe resultados interessantes. Como reduções nesse tempo médio podem ser

associadas a ganhos de eficiência, essa elasticidade foi usada para estudar a concorrência via

102

eficiência nos diferentes mercados de movimentação de carga. As principais conclusões

obtidas foram as seguintes:

1. A concorrência via eficiência nos mercados de granéis sólidos e carga geral não é

muito significativa. Os portos e terminais não têm muitos incentivos a buscar

ganhos de eficiência, já que o retorno em termos de aumento de participação de

mercado não é muito alto. Além disso, nenhum porto ou terminal é muito afetado

por ganhos de eficiência da concorrência.

2. A concorrência via eficiência no mercado de contêineres é mais significativa. A

participação de mercado de um porto/terminal aumenta 5,8% como resultado de

um ganho de eficiência de 10%, em média, o que é um incentivo significativo à

busca por maior eficiência. Por outro lado, os portos e terminais que atuam no

mercado de contêineres não são muito afetados, individualmente, por ganhos de

eficiência da concorrência.

As elasticidades das participações de mercado em relação aos custos internos de

transporte foram discutidas na seção 3.1. Foram realizados dois exercícios desimulação. No

primeiro, foi considerado, para cada porto, um cenário em que os custos de transporte e as

distâncias (distâncias consideradas como proxy também para custos logísticos) entre a origem

ou destino da carga no Brasil e aquele porto foram aumentadas em 10%. Os resultados desse

exercício revelaram que, em praticamente todos os casos, e para todos os tipos de carga, um

aumento de 10% nos custos de transporte ocasiona uma redução na participação de mercado

do porto, no país como um todo, de mais do que 10%. Isso sugere que a participação de

mercado dos portos é elástica em relação aos custos internos de transporte.

No segundo cenário, foram avaliados os impactos sobre as participações do porto nos

seus mercados geográficos (hinterlândias) de reduções lineares de 20% nos custos de

transportes deseus principais competidores. Os resultados sugerem que, para vários dos

mercados geográficos analisados, melhoriasnas vias de acesso de exportadores e importadores

a portos rivaisgeram aumento de concorrência. Por outro lado, para alguns mercados

geográficosonde existe uma grande concentração de movimentação de cargas em um único

porto, a redução dos custos de transporte até portos concorrentes pode resultar em um

cenário ainda de alta concentração. No caso de cargas gerais, por exemplo, uma redução de

20% nos custos de transporte para os três principais portos competidores do porto de Manaus

reduziria a sua participação de mercado na hinterlândia apenas de 76% para 71%. Para o porto

de Santos, por outro lado, uma redução dos custos de transporte até os seus três principais

103

concorrentes reduziria a sua participação na movimentação de cargas gerais em sua

hinterlândia de 81% para 69%.

Por fim, a análise das elasticidades-preço, realizada na seção 3.3.2, mostrou que, em

média, os terminais de contêineres (não havia dados de qualidade disponíveis para que o

mesmo tipo de análise fosse feito para outros tipos de carga) localizados nas regiões Sudeste e

Sul estão sujeitos a concorrência via preço mais alta do que aqueles localizados nas regiões

Norte e Nordeste.

Em conjunto, as análises dos diferentes tipos de elasticidade deixaram claro que há

uma concorrência saudável tanto ao nível interporto (entre portos) quanto ao nível intraporto

(entre terminais) no setor portuário brasileiro, e que ela ocorre em diversas dimensões. Isso

não quer dizer, contudo, que não seja possível ou mesmo recomendável adotar medidas de

incentivo à concorrência. A tabela a seguir traz um resumo das principais conclusões obtidas

ao cabo dessa análise, por hinterlândia, e dessa forma traça um panorama geral do setor

portuário no que tange à concorrência26.

Tabela 42 – Análise de concorrência – Carga Geral

Mercado Geográfico

IHH dos Terminais no Mercado

Geográfico 2012 (grau de

concentração)

Queda de participação de mercado resultante de redução de 20% no

custo de transporte interno (pontos percentuais)27

Elasticidade-tempo (valor absoluto)28

Aratu/Salvador 0,318 (alta) 9,71 0,12

Barcarena/Belém 0,168 (moderada) 6,87 0,21

Itajaí/São Francisco do Sul 0,212 (moderada) 13,28 0,18

Manaus 0,259 (moderada/alta) 5,25 ND

Paranaguá 0,755 (alta) 13,2 0,11

Pecém/Fortaleza 0,334 (alta) 8,68 ND

Rio de Janeiro/Sepetiba/Santos 0,196 (moderada) 14,81 0,45

26 O mercado de granel líquido não é analisado, pelas razões discutidas extensamente ao longo do texto.

27 Esse é o impacto na participação de mercado do principal porto da hinterlândia (mercado geográfico)

de uma redução de 20% no custo de transporte interno até os 3 principais portos concorrentes. O impacto é medido, em pontos percentuais, pela diferença de participação na hinterlândia antes e depois da redução de custo. 28

Os portos/terminais cujas elasticidades-tempo estão listadas são, por mercado geográfico: Aratu/Salvador – TUPba; Barcarena/Belém – Vila do Conde; Itajaí/São Francisco do Sul – São Francisco do Sul; Paranaguá – Paranaguá; Rio de Janeiro/Sepetiba/Santos – Rio de Janeiro; Rio Grande – Rio Grande; Santos – Santos; Santos/Paranaguá/Manaus – Santos; Vitória – Vitória; Vitória/Santos – Santos.

104

Mercado Geográfico

IHH dos Terminais no Mercado

Geográfico 2012 (grau de

concentração)

Queda de participação de mercado resultante de redução de 20% no

custo de transporte interno (pontos percentuais)27


Rio Grande 0,608 (alta) 14,50 0,14

Santos 0,253 (moderada/alta) 12,27 0,11

Santos/Paranaguá/Manaus 0,135 (moderada) 7,25 0,11

São Luiz 0,537 (alta) 7,05 ND

Suape/Maceió/Recife 0,482 (alta) 5,68 ND

Vitória 0,322 (alta) 9,37 0,16

Vitória/Santos 0,254 (moderada/alta) 11,73 0,11

ND = não disponível

Pode-se perceber pela tabela acima que, em todas as hinterlândias de cargas gerais

para as quais foram calculadas as elasticidades-tempo, aumentos de eficiência (reduções dos

tempos entre atracação e desatracação de embarcações) da ordem de 10% levam a reduções

de participação de mercado de pelo menos 1%, chegando a até 4,5% no caso da hinterlândia

Rio de Janeiro/Sepetiba/Santos. Isso significa que os portos/terminais dessas hinterlândias

podem ter perdas de participação de mercado significativas em virtude de ganhos de eficiência

de concorrentes.

Também pode-se observar que reduções (de 20%) nos custos de transporte interno

até portos/terminais concorrentes ocasionam quedas de participação de mercado dos

principais portos daquelas hinterlândias de pelo menos 5 pontos percentuais. Isso significa que

os principais portos/terminais das hinterlândias estão sob ameaça de perda substancial de

participação de mercado em virtude de melhorias na malha de transportes terrestres. É claro

que, na maioria das vezes, essas melhorias independem das decisões dos próprios portos, o

que requer uma investigação sobre os planos de investimento em transportes do poder

público. Isso será realizado em uma seção mais adiante. Além disso, emhinterlândias com alto

grau de concentração de mercado, como Paranaguá e Rio Grande, o porto principal tem muito

a perder como resultado de melhorias desse tipo (13,2 e 14,5 p.p. de participação de mercado,

respectivamente).

Tabela 43 – Análise de concorrência – Contêineres

105

Mercado Geográfico


Mercado Geográfico 2012

(grau de concentração)

Queda de participação de

mercado resultante de redução de 20%

no custo de transporte interno

(pontos percentuais)29

Elasticidade-tempo (valor

absoluto)30

Elasticidade-preço (valor absoluto)31

Barcarena/Belém/Santarém 0,638 (alta) 6,52 ND ND

Itajaí/São Francisco do Sul 0,288 (alta) 13,9 0,48 0,62

Manaus 0,519 (alta) 3,25 1,51 1,2

Paranaguá 0,977 (alta) 13,82 ND 1,08

Pecém/Fortaleza 0,564 (alta) 8,14 ND 0,17

Rio de Janeiro/Santos/Sepetiba 0,318 (alta) 13,51 0,41 1,76

Rio Grande 0,999 (alta) 14,45 0,33 0,57

Salvador 0,988 (alta) 8,73 ND 0,57

Santos 0,332 (alta) 11,15 0,41 0,84

Santos/Paranaguá/Manaus 0,202 (moderada) 9,26 0,41 0,84

Santos/Vitória 0,249 (moderada) 14 0,41 0,84

São Luiz 1 (alta) 6,14 ND ND

Suape/Maceió/Recife 0,586 (alta) 5,69 ND 0,18

Vitória 0,965 (alta) 9,4 ND 0,78


O efeito médio de reduções nos custos de transporte interno até portos rivais sobre as

participações de mercado dos principais portos das hinterlândias de contêineres é muito

parecido com o do mercado de cargas gerais (9,85 p.p. contra 9,975 p.p. no caso de carga

geral). Também vale a afirmação de que, em hinterlândias com alto grau de concentração de

mercado, (como Paranaguá, Rio Grande, Salvador e Vitória), o porto principal tem muito a



Os portos/terminais cujas elasticidades-tempo estão listadas são, por mercado geográfico: Itajaí/São Francisco do Sul –P; Manaus – TUPam; Rio de Janeiro/Santos/Sepetiba – Santos;Rio Grande – Rio Grande; Santos – Santos; Santos/Paranaguá/Manaus – Santos; Santos/Vitória – Santos. 31Os portos/terminais cujas elasticidades-preço estão listadas são, por mercado geográfico: Itajaí/São Francisco do Sul – Portonave; Manaus – Chibatão; Paranaguá – TCP; Pecém/Fortaleza – Pecém; Rio de Janeiro/Santos/Sepetiba – Libra Rio; Rio Grande – Tecon Rio Grande; Salvador – Tecon Salvador; Santos – Tecon Santos; Santos/Paranaguá/Manaus – Tecon Santos; Santos/Vitória – Tecon Santos; Suape/Maceió/Recife – Tecon Suape; Vitória – TVV.

106

perder como resultado de melhorias na malha de transporte terrestre. Quanto às

elasticidades-tempo, elas são, em média, consideravelmente mais altas do que as obtidas para

as hinterlândias de cargas gerais, o que significa concorrência mais alta via ganhos de

eficiência.

No caso dos mercados de contêineres, foi possível calcular também elasticidades-

preço. Pode-se perceber pela tabela acima que muitas hinterlândias apresentam elasticidades

maiores do que 1 ou próximas de 1, o que indica alta sensibilidade das participações de

mercado dos seus principais portos/terminais a reduções de preços de concorrentes. Como

discutido na seção 3.2.2, mesmo aqueles portos/terminais com participação de mercado

inelástica a preços não têm necessariamente condições de aumentar seus lucros via aumento

de preços, já que mesmo reduções relativamente pequenas de participação de mercado

podem significar perdas substanciais de receita.

Tabela 44 – Indicadores de Concentração entre Terminais nos Mercados Geográficos de Granéis Sólidos de 2010 a meados de 2013

Mercado Geográfico









Aratu/Salvador 0,380 (alta) 8,13 ND

Fortaleza/Pecém 0,501 (alta) 9,98 ND

Itajaí/São Francisco do Sul/Imbituba 0,556 (alta) ND ND

Macapá/Barcarena/Santarém 0,237 (moderada) ND 0,09

Manaus/Santarém 0,810 (alta) 6,17 ND

Paranaguá/Corumbá 0,270 (alta) 8,73 0,17

Recife/Suape/Maceió/Aracaju/Cabedelo 0,196 (moderada) 5,00 ND



Os portos/terminais cujas elasticidades-tempo estão listadas são, por mercado geográfico: Macapá/Barcarena/Santarém – TUPpa; Paranaguá/Corumbá – Paranaguá; Rio Grande – TUPrs; Santos – Santos; Santos/Paranaguá/Vitória – TUPes; São Luiz – TUPma; Vitória – TUPes; Vitória/Sepetiba – TUPes.

107

Mercado Geográfico









Rio Grande 0,154 (moderada) 9,87 0,12

Santos 0,109 (baixa) 8,75 0,14

Santos/Paranaguá/Vitória 0,080 (baixa) 8,51 0,07

São Luiz 0,719 (alta) 4,37 0,07

Vitória 0,601 (alta) 6,53 0,07

Vitória/Sepetiba 0,221 (moderada) 14,18 0,07


As hinterlândias de granéis sólidos são, de acordo com os resultados apresentados na

tabela acima, as que apresentam menor grau de concorrência, quando comparadas a

contêineres e cargas gerais. O valor médio da queda de participação de mercado resultante de

reduções de custos de transporte interno foi de 8,202, quase 2 pontos percentuais menor do

que a de cargas gerais, por exemplo. Também as elasticidades-tempo resultaram

substancialmente mais baixas, o que significa pouca concorrência via ganhos de eficiência.

A análise de elasticidades foi complementada por um estudo do lucro econômico,

também chamados de lucros anormais, ou de EVA – Economic Value Added, de terminais

portuários brasileiros. Foi utilizada uma amostra de 16 terminais de contêineres/carga geral,

14 terminais de granéis líquidos e 24 terminais de granéis sólidos, que forneceram dados de

suas demonstrações financeirasde 2007 a 2012.

Como foi explicado na seção 3.2, o lucro residual foi calculado de duas formas

diferentes, A primeira utilizou o índice Retorno sobre Investimento (RSI), definido pela razão

entre o lucro operacional antes do imposto e o valor dos ativos operacionais. O lucro residual

de cada terminal foi calculado anualmente com a diferença entre essa razão e o WACC. O lucro

residual de cada terminal foi então definido como a média aritmética dos seus lucros residuais

anuais A segunda metodologia utilizou o índice Retorno sobre Patrimônio líquido (RSPL),

definido pela razão entre o Lucro líquido e o patrimônio líquido. Nesse caso, o lucro residual

anual foi calculado como a diferença, a cada ano, entre o RSPL e o custo do capital próprio. O

lucro residual do terminal foi então definido como a média aritmética dos seus lucros residuais

108

anuais. A metodologia de determinação do lucro residual pela diferença entre o RSI e o WACC

é mais relevante para a análise de concorrência porque revela, a partir dos dados reais, a

lucratividade gerada pelas atividades típicas de terminal portuário. Já o lucro residual

determinado a partir da diferença entre o RSPL e o custo de capital próprio adiciona à

lucratividade das atividades típicas do terminal, todas as outras fontes que afetam o lucro

como, por exemplo, rendas financeiras, captação de recursos de terceiros abaixo do custo

médio de capital de terceiros, práticas de contabilidade tributária etc.

Uma comparação dos lucros residuais estimados pelas duas metodologias trouxe

osseguintes resultados34:

De modo geral, os terminais portuários não apresentam lucro residual positivo. Este

resultado sugere que não existe abuso de poder de mercado por parte dos terminais.

Esta conclusão é válida para terminais de contêineres, de granéis sólidos e de granéis

líquidos.

Dos 16 terminais de contêineres da amostra, apenas 2 apresentaram lucro econômico

positivo pelo critério RSI: Libra Rio e TVV. Todavia esses terminais estão inseridos em

hinterlândias com vários outros terminais, os quais não apresentam lucro residual

positivo. Isso sugere que a fonte dolucro econômicoda Libra Rio e do TVV não se

devem à falta de concorrência nos seus mercados de atuação, mas talvez a eficiências

produtivas e de outros tipos, particularmente eficiências no custo de captação de

capitais de terceiros. Essa também é uma explicação plausível para o expressivo lucro

econômico apresentado pelo terminal TCP pela metodologia RSPL.

Dos 14 terminais de granel líquido, mercado dominado pela Petrobras/Transpetro,

apenas o terminal Catallini, localizado no porto de Paranaguá, apresenta lucro

econômico elevado. Todavia o porto de Paranaguá é um dos mais eficientes do Brasil,

o que sugere que esse lucro econômicoé proveniente dessa eficiência e não de abuso

de poder de mercado.

34Os resultados dos segmentos de terminais de granel líquido e granel sólido do tipo mineral teriam sido

mais precisos se a Petrobras/Transpetro e a VALE tivessem fornecido as demonstrações financeiras individualizadas dos seus terminais. Dos 14 terminais de granel líquido da amostra, 6 pertencem à Petrobras/Transpetro,para os quais foi preciso os balanços do grupo Petrobras como um todo, cuja estrutura de capital, RSI e RSPL podem ser diferentes das dos respectivos terminais. Similarmente, dos 6 terminais de granel sólido do tipo mineral, 4 pertencem à VALE. Para 3 destes, foram utilizados os balanços do grupo VALE. Felizmente as demonstrações financeiras de um desses terminais (Terminal de Minério da CPBS, localizado em Sepetiba – RJ) foram disponibilizadas individualmente, o que levou à constatação de um lucro residual anual médio e real, entre 2008 e 2012, de quase 50%, indicando uma anomalia de mercado nesse segmento.

109

No segmento de terminais de granel sólido do tipo mineral, apenas os terminais de

propriedade da VALE apresentaram lucro econômico, o que indica possível abuso de

poder de mercado. Vale ressaltar, entretanto, que o grosso da carga movimentada por

esses terminais é de cargas próprias de uma empresa altamente verticalizada.

O segmento de terminais de granel sólido do tipo vegetal não apresentoulucro

econômico positivo, provavelmente por ter uma estrutura de mercado concorrencial.

3.5. Barreiras Regulatórias à Entrada no Setor Portuário Brasileiro:

Análise da Legislação

Na seção anterior, uma bateria de estudos empíricos foi utilizada para avaliar o grau de

concorrência dentro das hinterlândias identificadas para o setor portuário brasileiro na seção

2. A conclusão geral é de que há concorrência substancial na maioria das hinterlândias, mas

que algumas ainda apresentam obstáculos à concorrência, especialmente na movimentação

de granéis sólidos. Nesta seção, faz-se uma análise da legislação pertinente ao setor portuário,

tanto a atual quanto a mais recente, para avaliar se ela produz um ambiente conducente à

redução de barreiras à entrada, o que teria o potencial de aumentar ainda mais a concorrência

no setor.

Poder de mercado é definido, no âmbito da análise de defesa da concorrência, como a

capacidade de uma firma ou grupo de firmas de aumentar seus lucros por meio da cobrança

de preços acima do seu nível competitivo por um período de tempo prolongado. O poder de

mercado da firma é comumente associado à existência de um número reduzido de

competidores no mercado. Contudo, isso nem sempre é verdade,pois na prática observam-se

mercados com poucos ofertantes e, ainda assim, lucros baixos.

A situação de poucas firmas e lucros baixos pode ser explicada pela ameaça de

competição, ou contestabilidade do mercado. Mercados são contestáveis quando o potencial

de competição é uma ameaça forte o suficiente para manter os preços praticados pelas firmas

atuantesnaquele mercado em níveis relativamente baixos, próximos ao custo marginal de

produção. Como reconheceram Demsetz (1968) e Baumol, Panzar e Willig (1982), a

contestabilidade de um mercado está associada às condições de entrada. Dessa forma, mesmo

um mercado com uma única firma pode apresentar resultados similares aos de um mercado

competitivo se houver a possibilidade de entrada rápida de novas firmas sempre que o preço

exceder o custo.

110

Condições de entrada descrevem a facilidade com que uma nova firma pode entrar na

indústria (Viscusi et al, 2005), o que depende não apenas dos custos de entrada, mas também

da extensão das vantagens que as firmas já estabelecidas têm sobre as entrantes. Vale

ressaltar que são relevantes apenas as vantagens que possam ser atribuídas à superioridade

dos produtos das firmas já presentes no mercado ou à sua maior eficiência produtiva, e não

aquelas que se devem apenas ao fato de essas empresas terem entrado antes no mercado

(Viscusi et al, 2005). Se a entrada for difícil, então um preço elevado cobrado por uma empresa

estabelecida não será contestado pela chegada de novas empresas.

Outro conceito importante é o de barreiras à entrada, que está intimamente

relacionado às condições de entrada. Uma barreira à entrada pode ser vista como qualquer

fator que dificulta a entrada rápida de um ofertante capaz de suprir uma parcela significativa

da demanda. As barreiras à entrada incluem economias de escala, requerimentos mínimos de

capital para investimento inicial, vantagens absolutas de custo de firmas existentes e restrições

governamentais. A regulação governamental, definida por Spulber (1989) como o controle de

decisões de agentes que atuam em um determinado mercado, pode ser classificada como uma

restrição governamental e, com efeito, afetar negativamente o nível de concorrência de uma

indústria e elevar o poder de mercado de empresas existentes.

No caso do setor portuário, a regulação governamental pode influenciar as condições

de entrada e saída de novas firmas e, consequentemente, permitir aos operadores

estabelecidos cobrar preços acima do nível socialmente ótimo e gerar lucros extraordinários.

Nesse contexto, o objetivo desta seção é discutir as possíveis barreiras à entrada geradas pela

regulação do setor portuário brasileiro. Para melhor entender o padrão de competição e o

nível de poder de mercado dos agentes portuários no Brasil, optou-se por analisar não só o

normativo em vigor, cujas diretrizes estão fixadas na Lei 12.815 e no Decreto 8.033, ambos de

2013, mas também a evolução recente do setor, que se caracteriza por dois momentos

distintos: o período 1934 a 1993 e o período 1993 a 2013.

Período 1934 a 1993 – Gestão Estatal.

O ano de 1934 foi marcado pela edição dos instrumentos de regulação do

funcionamento do setor portuário brasileiro até a promulgação da Lei dos Portos de 1993.

Dentre esses instrumentos destacam-se o Decreto 24.508/1934, que definiu os tipos de

serviços prestados pelas Administrações Portuárias e a estruturação do modelo da tarifa

111

portuária, e o Decreto 24.599/1934, que estabeleceu as normas para a concessão dos portos

nacionais.

No modelo portuário vigente no período 1934-93, a cada porto correspondia uma área

de jurisdição na qual ele detinha o monopólio do embarque e desembarque de mercadorias.

Sendo assim, todas as mercadorias provenientes de ou para a área de jurisdição de um porto

organizado teriam obrigatoriamente de transitar pelas suas instalações. Exceções ficavam por

conta dos terminais privativos, definidos pelo Decreto-Lei 5/1966, que dispôs que qualquer

pessoa poderia ser autorizada a construir e operar instalações portuárias destinadas a uso

próprio.

Uma vez que cada porto operava sob um regime de monopólio, os preços dos serviços

eram fixados pelo governo a partir de informações de custos. Caso contrário, sob liberdade

tarifária, os portos poderiam explorar em toda a sua extensão o seu poder de mercado e

cobrar preços de monopólio, dada a completa ausência de competição, efetiva ou potencial.

Sem surpresa, o modelo de monopólio regulado foi caracterizado por baixa eficiência

tecnológica e de gestão, associado a um forte papel dos sindicatos e associações de

trabalhadores, que levou a custos e, consequentemente, tarifas elevadas. Em relação à mão de

obra portuária, até 1989 a Superintendência Nacional da Marinha Mercante (SUNAMAM)

fixava por Resoluções as fainas e os serviços realizados por categorias de trabalhadores

avulsos, bem como sua remuneração. Naturalmente, os custos da mão-de-obra eram bastante

influenciados por pressões políticas e interesses corporativos. Em suma, até 1993 todos os

portos públicos nacionais possuíam mercados cativos e preços controlados.

A forte intervenção do governo na forma de restrições regulatórias no período pré-

1993criou barreiras intransponíveis à entrada. A concepção adotada naquele período partiu do

princípio de que a gestão estatal poderia atingir níveis eficientes de investimento e de

operação, crença que não encontra respaldo na moderna teoria econômica e nem suporte em

dados. Ao contrário, o que se observou foi a distorção de incentivos para gestão eficiente e,

consequentemente, para economia de custos e melhores decisões de investimento, associada

à captura de agentes públicos por interesses privados, à corrupção e, não menos importante, à

falta de capacidade técnica do Estado para realizar a provisão adequada de bens e serviços.

Tendo em vista esse cenário, o governo brasileiro iniciou a transferência a agentes privados

das atividades de investimento e produção no setor portuário, cabendo ao Estado as

atividades de planejamento e regulação da atividade.

112

Período 1993-2012 – A Lei dos Portos e a participação privada.

Em 1993, com a promulgação da Lei 8.630/1993 (“Lei dos Portos”), o setor portuário

nacional passou por uma profunda reformulação. A Lei alterou substancialmente as regras

vigentes, buscando gerar maior dinâmica dos investimentos privados, modernização de

equipamentos e procedimentos portuários, maior produtividade, redução de custos e

atendimento adequado à demanda por movimentação de cargas. Um dos fios condutores

destes aperfeiçoamentos foi o espírito concorrencial que se instalou com a Lei (Tovar e

Ferreira, 2006).

A Lei dos Portos acabou com o conceito de área de jurisdição do porto, introduzindo o

de “Área do Porto Organizado”, que se refere à área ocupada por instalações portuárias do

porto, incluindo ancoradouros, docas, cais, pontes e píeres de atracação e acostagem,

terrenos, armazéns e edificações, além das vias de circulação interna e dos acessos

aquaviários. Segundo a Lei, toda a estrutura contida na Área do Porto Organizado deveria ser

mantida pela Administração do Porto (Lei 8.630/93, art. 1°, § 1°, alínea IV).

A Área do Porto Organizado delimitava o âmbito em que se exerciam as funções e a

autoridade da Administração do Porto (Artigo 33 da Lei n° 8.630/93). Com efeito, a

Administração do Porto só detinha poderes para fixar e arrecadar tarifas, credenciar

operadores portuários e prestadores de serviços acessórios, bem como determinar

construção, conservação, reforma, ampliação, melhoramento e exploração de instalações

portuárias, dentro da área do porto organizado.

Tanto a Lei como as normas posteriores previam a presença do poder público nos

portos organizados brasileiros através de diversos órgãos com mandato para atuar no setor,

tais como a Secretaria Especial de Portos da Presidência da República, a Agência Nacional de

Transportes Aquaviários e o Ministério dos Transportes, dentre outros. Tais órgãos tinham,

conjuntamente, por função a formulação e implementação de políticas, a regulação,

supervisão e fiscalização das atividades de prestação de serviços de transporte aquaviário e de

exploração de infraestrutura portuária e aquaviária, além da harmonização de interesses e a

arbitragem de conflitos entre agentes do setor.

Além desses, o poder público também estava presente nos Conselhos de Autoridade

Portuária (CAP), um órgão colegiado constituído por representantes do governo, da iniciativa

113

privada e dos trabalhadores e cuja prerrogativa era a racionalização das instalações do porto e

a promoção de sua competitividade.

A Administração do Porto organizado, segundo a Lei de 1993, era exercida pela União,

diretamente ou por entidade concessionária. No caso de concessão, esta deveria ser precedida

de licitação realizada de acordo com a lei que regulamenta o regime de concessão e permissão

de serviços públicos. Além da concessão do Porto Organizado, a Lei assegurava aos

interessados, públicos ou privados, o direito de construir, reformar, ampliar, melhorar e

explorar instalação portuária, dependendo de contrato de arrendamento ou de autorização. A

Lei estabelecia ainda uma série de cláusulas essenciais ao contrato de arrendamento, sempre

celebrado através de licitação. A autorização, por seu turno, foi definida como a delegação, por

ato unilateral, feita pela União a pessoa jurídica que demonstrasse capacidade para seu

desempenho, por sua conta e risco.

O modelo criou, então, duas modalidades de exploração de instalações portuárias

dentro do porto organizado: uso público e uso privativo. Dessa forma, um porto brasileiro

pode ter vários terminais operando em áreas de uso restrito destinadas à prestação de

serviços, distintos ou substitutos.

Os terminais de uso público, definidos no artigo 4º, § 2º, da Lei 8.630/93,consistiam de

terminais concedidos conforme contratos de arrendamento celebrados com a União, ou com

sua concessionária, sempre através de licitação, localizados dentro da área do porto

organizado. Tais terminais, devido à natureza do contrato de arrendamento, recebiam

concessão de serviço público, devendo operar segundo os seguintes princípios fundamentais:

(a) ter por objetivo primordial satisfazer necessidades da coletividade, que o Poder Público

julga de sua obrigação prover; (b) se submeter às regras peculiares ao Direito Público; (c)

colocar o serviço à disposição dos interessados de forma regular e sem solução de

continuidade; (d) garantir o direito de acesso, em igualdade de condições, a qualquer usuário;

(e) publicar tarifas; (f) se sujeitar à fiscalização do Poder Público delegante.

A instalação portuária de uso privativo era definida, por seu turno, como aquela

explorada por pessoa jurídica de direito público ou privado, dentro ou fora da área do porto.

Os terminais privativos eram objeto de autorização do Ministério dos Transportes, desde que

fora da área do porto organizado, ou quando o interessado fosse titular do domínio útil do

terreno, mesmo que situado dentro da área do porto organizado.

114

Ainda com respeito aos terminais portuários privativos, o modelo de 1993-2012 dispôs

que eles deveriam operar preponderantemente carga própria. Dito de outra maneira, o

terminal deveria movimentar um volume de carga própria suficiente para justificar, por si só,

técnica e economicamente, a implantação e a operação da instalação portuária. Esse aspecto,

contudo, permaneceu controverso durante todo o período, com interpretações variadas do

conceito de carga própria.

No que tange à gestão da mão-de-obra, a Lei dos Portos determinou que a contratação

de trabalhadores avulsos fosse feita por requisição ao órgão gestor de mão-de-obra (OGMO),

constituído em cada porto (art. 18 da Lei 8.630/93) como um órgão mantenedor de cadastro

de trabalhadores (estivador, conferente, consertador, vigia, arrumador, entre outros) e

alocador de mão-de-obra conforme requisição feita por operadores portuários. Cabe

mencionar que a obrigatoriedade de requisição de trabalhadores via OGMO recaía somente

sobre as instalações de uso público.

Além dos terminais arrendados e privativos, o modelo previa, ainda, a manutenção do

cais público nos portos nacionais, definidos como os berços de atracação administrados

diretamente pela União ou por sua concessionária. Através desses caisera possível fazer a

operação de um navio sem a contratação de serviços de concessionários, na medida em que

qualquer operador poderia empregar equipamentos próprios para movimentar carga de e

para um navio. Em teoria, os cais públicosexerciam pressão competitiva sobre os terminais

arrendados ou privativos localizados dentro da área dos respectivos portos. Na prática,

contudo, a baixa especialização e a falta de investimentos tornaram essa pressão praticamente

inexistente.

A análise do modelo 1993-2012 permite que se identifiquem algumas barreiras

regulatórias à entrada: O processo licitatório, o valor de outorga, a necessidade de

propriedade de terreno dentro do porto organizado, o critério de carga própria e a incerteza

regulatória inerente ao modelo.

Em relação ao processo licitatório, sem entrar na discussão de seu mérito, a sua

exigência torna custoso e demorado o ingresso de novo operador de instalação portuária. Esse

custo é tanto maior quanto mais restritivos são os critérios para a habilitação de um

interessado. Além disso, eventuais questionamentos judiciais acerca do processo podem

torná-lo ainda mais demorado. Isso ocorria tanto no caso de porto organizado como no caso

de terminais públicos dentro do porto.

115

O modelo previa o pagamento de um valor de outorga como contrapartida do

arrendamento. Esse valor de outorga majorava o requerimento mínimo de capital para

entrada do novo operador de instalação portuária de uso público, constituindo outra barreira

a entrada.

Quanto aos terminais privativos, o modelo exigia do interessado a titularidade do

domínio útil do terreno para a autorização de instalação. Essa exigência constituía, claramente,

uma barreira à entrada, sobretudo no caso de interessados em autorizações para operação

dentro da área de um porto organizado.

Ainda com respeito aos terminais privativos, o modelo exigia a comprovação de

movimentação de um montante mínimo de carga própria, capaz de justificar técnica e

economicamente a sua instalação. Esse requerimento, fundamentado em critérios abstratos,

implicava desqualificação de um número significativo de operadores em potencial capazes de

impor pressão competitiva.

Por fim, pode-se considerar também barreira à entrada as mudanças de

entendimentos acerca de normas e critérios diversos, com a consequente falta de

uniformidade na aplicação das normas. Como se sabe, investidores desejam previsibilidade, a

capacidade de mensurar o risco. No caso do modelo 1993-2012, constantes alterações nos

critérios de carga própria,por exemplo, constituíram não só uma barreira a investimentos das

instalações privadas, mas também das instalações de uso público, por conta da batalha que se

estabeleceu acerca da alegada existência de efeitos deletérios da assimetria regulatória –

diferença de tratamento, a que estavam sujeitas essas duas modalidades de exploração. Da

mesma forma, a atuação dos Conselhos de Autoridade Portuária, com competência

discricionária para baixar regulamentos de exploração do porto, homologar valores de tarifas,

aprovar o plano de desenvolvimento do porto, incluindo sobre uso de áreas e horário, também

contribuía para a falta de previsibilidade e desencorajava potenciais entrantes.

Período Pós-2012 – O modelo atual.

Em 2012 se deu a mais recente reforma ampla da legislação portuária no Brasil,

marcada pela apresentação, em 07 de dezembro de 2012, da Medida Provisória nº 595,

transformada na Lei Ordinária 12.815/2013 (“Nova Lei dos Portos”). Tal reforma trouxe

significativas alterações na legislação de portos do país e teve como motivação trazer maior

116

segurança jurídica para a participação da iniciativa privada no setor portuário (Silva e Oliveira,

2013).

Em relação ao modelo de 1993, a Nova Lei dos Portos trouxe as seguintes alterações:

Determina que o contrato de concessão se estenda à administração portuária;

Extingue os conceitos de carga própria e de terceiros;

Estabelece que todos os terminais instalados dentro da área do porto

organizado devem ser objeto de concessão;

Concentra na Secretaria de Portos (SEP) e, em menor medida, na Agência

Nacional de Transportes Aquaviários (ANTAQ), o poder regulatório no setor portuário.

Redefine a composição e a função dos Conselhos de Autoridade Portuária

(CAP), retirando suas autonomias e tornando-os órgãos consultivos.

Com efeito, a primeira alteração implica a possibilidade de concessão de portos

públicos, existentes e futuros, a entes privados. Nesse sentido, a Nova Lei dos Portos

possibilita a organização de portos na forma de Landlord Privado, para o caso dos portos

públicos organizados, e de Porto Privado, no caso dos terminais privados independentes e

localizados fora de áreas de portos organizados.

A extinção dos conceitos de carga própria e de terceiros introduz uma nova

interpretação dos conceitos de instalação de uso privativo, na medida em que permite que

esses terminais sejam constituídos sem a restrição de existência de carga pertencente ao

autorizado, a sua controladora ou a sua controlada em níveis tais que justifiquem o

empreendimento. Dessa forma, a única restrição à instalação de terminais privativos consiste

em que se dê fora de áreas de portos organizados. Essa medida incentiva a participação do

capital privado e a competição no setor.

A terceira alteração de destaque tem, contudo, caráter restritivo à concorrência, pois

impede a instalação de terminais privativos dentro do porto que não seja por meio de

concessão. Dessa forma, ao estabelecer que terminais autorizados somente possam ser

instalados fora da área do porto, a Nova Lei dos Portos cria obstáculo à constituição desse tipo

de operação portuária. Os terminais de uso privado devem ser autorizados, por meio de

contrato de adesão, pelo Poder Concedente, a União Federal. Além disso, o normativo atual

estabelece que a implantação física de duas ou mais instalações portuárias na mesma região

117

geográfica somente será permitida caso não gere impedimento operacional a qualquer uma

delas, condição chamada de viabilidade locacional.

Cabe observar que, no caso dos terminais privativos existentes e localizados dentro de

área de porto organizado, os termos da autorização e dos contratos de adesão em vigor

deverão ser adaptados ao disposto na Nova Lei dos Portos no prazo de um ano, contado da

data de publicação.

Por fim, as alterações quatro e cinco vão no sentido de concentrar no Governo Federal,

através da SEP e da ANTAQ, o planejamento e a regulação sobre o setor, na medida em que a

Lei 12.815/2013 retira poder político e jurídico das autoridades locais. Com efeito, o CAP perde

grande parte de sua autonomia e liberdade contratual, deixando de ser órgão deliberativo

para ser um órgão consultivo. Tal medida, ao reduzir a autonomia das administrações

portuárias de cada porto, pode reduzir sua competitividade, pois consiste em um passo

significativo na direção de uma maior regulamentação do setor, inclusive no que tange à

determinação de tarifas, a partir dos gabinetes de Brasília.

O novo modelo portuário nacional admite a concessão e o arrendamento da

infraestrutura destinada à atividade portuária pública mediante licitação. Em relação ao

modelo anterior, em que havia indefinição sobre o objeto da licitação do arrendamento

portuário, agora o concessionário explora as instalações públicas e o operador portuário

realiza o serviço portuário.

O novo modelo estabelece como critérios de julgamento das licitações, isolada ou

combinada, a maior capacidade de movimentação, a menor tarifa ou o menor tempo de

movimentação de carga, além de outros critérios que podem ser estabelecidos

discricionariamente pelos órgãos responsáveis.

Em relação ao critério de menor tarifa, em substituição ao maior valor de outorga, a

intuição para sua adoção é direta: basear-se na menor tarifa seria naturalmente mais pró-

consumidor ao induzir os participantes do certame a reduzir ao máximo os preços. A adoção

desse critério tem o aspecto positivo de limitar os lucros extraordinários de agentes que

operem sem pressão da competição. Contudo, a seleção de um operador através desse critério

não assegura repasse aos preços de ganhos de produtividade futuros.

O modelo estabelece, ainda, através da Resolução ANTAQ n. 3220/2014, as normas,

procedimentos e critérios para a elaboração de projetos de arrendamentos, bem como a

118

metodologia de recomposição do equilíbrio econômico-financeiro dos contratos de

arrendamento de áreas e instalações portuárias nos portos organizados. Dentre os critérios,

cabe destaque o que estabelece a manutenção do equilíbrio econômico-financeiro dos

contratos de arrendamento. Em que pese esse conceito já estar presente no modelo antigo, a

nova Resolução o aplica à preparação dos leilões. Além disso, no novo modelo o conceito

vincula as condições de equilíbrio a um estudo prévio, elaborado pela autoridade ou por

qualquer interessado.

O conceito de equilíbrio econômico financeiro está estreitamente vinculado à ideia de

equivalência entre encargos e benefícios pactuados no contrato. Dessa forma, a Resolução

considera mantido o equilíbrio econômico-financeiro sempre que for comprovado o

atendimento às condições estabelecidas no contrato, dentre as quais devem constar as tarifas

praticadas, e aos critérios e procedimentos de revisão e reajuste.

Para os casos em que o poder concedente determine ou autorize previamente

investimentos e serviços de interesse público ou expansão ou redução da área arrendada, a

recomposição do equilíbrio econômico-financeiro do contrato será realizada de forma a que

seja nulo o Valor Presente Líquido (VPL) do fluxo de caixa marginal projetado, considerando os

dispêndios e receitas marginais resultantes desses eventos, observada a taxa de desconto

definida pela ANTAQ.

Com respeito à determinação do custo do capital apropriado para o setor, a resolução

atribui esse papel exclusivamente à ANTAQ. Por fim, a resolução ainda estabelece que a

recomposição do equilíbrio econômico-financeiro dos contratos poderá se dar, a critério do

poder concedente, por intermédio, mas não se limitando, da utilização dos seguintes meios:

ajuste dos valores financeiros previstos no contrato; modificação das obrigações contratuais

previstas no próprio fluxo de caixa marginal; ajuste do prazo de vigência do contrato; e

pagamento de indenização. Como se percebe, a ANTAQ assume efetivamente a função de

regulador econômico.

O modelo deixa clara, após a regulamentação da lei via decreto 8033, a divisão de

tarefas e competências entre os dois órgãos reguladores (ANTAQ e SEP) no que tange ao

processo de concessão, arrendamento ou autorização. A Lei 12.815/2013 determina que cabe

à ANTAQ elaborar editais e instrumentos de convocação e promover os procedimentos de

licitação para exploração de portos organizados ou instalações portuárias, de acordo com as

diretrizes do poder concedente. Já o Decreto 8.033/2013 estabelece que compete à SEP, como

119

intermediária do poder concedente, aprovar a realização de investimentos não previstos nos

contratos de concessão ou de arrendamento, previamente analisados pela ANTAQ, conduzir e

aprovar, sempre que necessários, os estudos de viabilidade técnica, econômica e ambiental do

objeto da concessão ou do arrendamento.

Contudo, ainda que bem definidas as atribuições, percebe-se como característica

evidente do novo modelo a maior centralização de decisões no Governo Federal, o que pode

ser um ponto negativo na medida em que promove uma maior intervenção do governo nos

contratos. Tal centralização reduz flexibilidade de condições de entrada na medida em que

certas decisões passam a ser tomadas em Brasília, distante dos mercados geográficos dos

portos, por agentes não diretamente envolvidos no dia-a-dia dos portos.

Outra barreira à entrada associada à maior centralização característica do novo

modelo consiste da necessidade de pré-qualificação de agente interessado em atuar como

operador portuário. Nesse sentido, a Lei 12.815 estabelece que cabe ao poder concedente

estabelecer as normas, os critérios e os procedimentos para a pré-qualificação dos operadores

portuários.Essas normas foram fixadas pela SEP, através da Portaria 111. A pré-qualificação

deverá ser efetuada perante a administração do porto, e renovada a cada 12 meses, conforme

as normas gerais estabelecidas. Dessa forma, somente poderão participar de processos

operadores pré-qualificados.

Em relação à instalação de terminais privados, o novo modelo regulatório eliminou a

exigibilidade de carga própria para terminais fora do porto organizado. Assim, foi eliminado do

modelo uma das principais barreiras à entrada, com efeitos sobre a pressão competitiva no

setor. Com isso, o novo modelo induz maior concorrência, facilitando a entrada de novas

empresas.

No caso de inviabilidade operacional, caberá à ANTAQ promover a seleção do

empreendimento. O processo de autorização de terminais privativos, de acordo com a nova

legislação, estabelece que os interessados possam apresentar requerimento à ANTAQ a

qualquer tempo.A proposta deverá conter o memorial descritivo das instalações e instrumento

jurídico que assegure o direito de uso e usufruto da área (terreno), entre outros documentos

que poderão ser exigidos pela ANTAQ.A partir do recebimento da solicitação, a ANTAQ deverá

dar publicidade ao conteúdo da solicitação e promover a abertura do Anúncio Público com o

objetivo de identificar outros interessados na instalação portuária na mesma região e com

características semelhantes.Ao final do processo cabe à Secretaria de Portos (SEP), como

120

representante da União, selecionar o empreendimento e celebrar os contratos de adesão.Esse

processo, como se percebe, implica grande volume de trabalho e burocracia, constituindo uma

barreira à entrada tempestiva.

Destaque-se que o modelo não define, ainda, os critérios específicos para a chamada

pública, que antecede a outorga da autorização dos terminais privados. Esse aspecto induz

incerteza e oportunidade de pressões oportunistas, além de potencialmente tornar o processo

demorado.

Ainda com respeito à pressão competitiva potencial de terminais privativos, o novo

modelo limitou sua instalação a áreas fora do porto organizado. Dentro do porto organizado

somente poderão existir terminais de uso público, cujo processo de instalação deve obedecer

aos trâmites, burocráticos e demorados, do processo de licitação no setor público.

Em relação aos terminais já estabelecidos, a legislação veda a ampliação da área de

instalações portuárias localizadas dentro da área do porto organizadoEssa legislação tem

efeito misto sobre a concorrência. Por um lado, ao reduzir as possibilidades de ampliação dos

terminais existentes, reduz a potencial rivalidade no setor. Por outro lado, as áreas dentro do

porto organizado não utilizadas pelos terminais existentes podem ser licitadas para novos

terminais, aumentando a concorrência intraporto. Para terminais privativos fora da área do

porto organizado, a ampliação é limitada a 25% e condicionada à análise de viabilidade

locacional.

Outra incerteza, talvez temporária, é vincular o novo modelo ao regime de contratação

diferenciada (RCD). Como se sabe, esse regime foi concebido incialmente para atender a

contratação de obras para Copa do Mundo FIFA 2014 e para as Olimpíadas e Paraolimpíadas

do Rio de Janeiro 2016. Mais tarde, o RCD foi estendido às obras do Programa de Aceleração

do Crescimento (PAC). Como resultado, obras no setor portuário podem ou não estar sujeitas

ao RDC. Criaram-se duas categorias de contratação no mesmo setor, ou seja, mais uma

incerteza.

3.6. Impactos Potenciais de Projetos Futuros de Infraestrutura

Conforme destacado na seção 3.4, as participações de mercado de muitos portos e

terminais brasileiros são bastante sensíveis a reduções nos custos de transporte terrestre até

seus principais concorrentes. Há também evidências internacionais desse efeito.Langen (2007),

121

por exemplo, apresenta evidências de que a abertura do canal de Rhine-Main Donau foi

seguida de um aumento significativo da participação do porto de Rotterdam no mercado de

produtos originados ou destinados à Áustria. Isso significa que uma forma eficaz de promover

a concorrência no setor portuário brasileiro é por intermédio da expansão e melhoria da malha

de transporte terrestre no Brasil. Esta seção aprofunda a discussão desse tema ao fazer uma

análise qualitativa dos possíveis impactos de alguns projetos específicos de melhoria na malha

de transporte terrestre, previstos ou em execução, sobre a concorrência no setor portuário. As

informações utilizadas a respeito dos projetos foram obtidas dos sítios da ANTT e da EPL.

Atualmente, há um conjunto de ações previstas pelo Governo Federal para a melhoria

das malhas internas de transporte, com consequente redução dos custos logísticos e aumento

da capacidade de escoamento. Esses projetos visam à melhoria da acessibilidade em diversas

regiões do país e consequentes ganhos de competitividade dos produtos brasileiros. Para isso,

espera-se atrair cada vez mais investidores privados, em projetos de concessões para diversos

trechos planejados.

De maneira geral, vários dos projetos permitirão ganhos em termos de acessibilidade,

com redução de custos logísticos de transportes até portos alternativos aos que atualmente

têm maior participação nos diferentes mercados geográficos. Para municípios na região

Centro-Oeste, por exemplo, que possuem cada vez mais importância como áreas produtoras

de grãos, há diversos projetos de rodovias e ferrovias que ampliarão a acessibilidade até os

portos do Sul, do Sudeste e dos estados do Pará e do Maranhão. Com isso, espera-se um

aumento da concorrência entre os portos que servem esses municípios.

Há também vários projetos que ampliarão as ligações entre portos, em trechos que

atravessam estados litorâneos. Um desses projetos prevê uma rodovia que liga Salvador a

Recife, atravessando os estados de Alagoas e Sergipe, e que passa pelos portos de Maceió e

Sergipe. Espera-se com isso que haja um aumento da concorrência entre os terminais

localizados nesses três estados. Similarmente, o projeto da ferrovia Rio de Janeiro – Campos –

Vitória visa integrar o porto do Rio de janeiro e seus terminais aos portos de Vitória e Tubarão,

criando novas possibilidades logísticas de escoamento de cargas. Esse projeto trará possíveis

ganhos de concorrência entre os terminais portuários localizados nos estados do Rio de

Janeiro e do Espírito Santo.

A análise feita a seguir é de natureza qualitativa. Não há, no momento, como

quantificar os impactos dos projetos analisados sobre as movimentações de carga e a

122

concorrência portuária. Uma análise quantitativa detalhada teria que partir da inserção dos

novos trechos de ferrovias e rodovias nas malhas geo-referenciadas de transporte interno no

Brasil. Em uma segunda etapa, os algoritmos de cálculos de rotas mínimas teriam que ser

executados, considerando-se as novas conexões ou as conexões com seus custos reduzidos de

transporte nos trechos contemplados nos projetos. Dessa forma, poder-se-iam obter novas

estimativas dos custos e distâncias das microrregiões (conforme apresentado na seção

anterior) até os diferentes portos no país. Em uma segunda etapa, esses custos e distâncias

seriam inseridos no modelo, utilizando-se os parâmetros apresentados nas tabelas A1 a A3 do

apêndice, e nova configuração de movimentações e participações dos portos seria obtida.

Essa análise de impacto quantitativo requer, portanto, o controle direto de um

programa de cálculo de rotas mínimas, com os custos logísticos associados, a partir de malhas

de rodovias, ferrovias, hidrovias, e terminais logísticos. Conforme discutido na seção anterior,

os custos e as distâncias utilizados nas estimações dos modelos econométricos deste estudo

não foram gerados por um programa de propriedade do CERME. Eles foram fornecidos pela

ANTAQ, que os gerou a partir do programa SIGTAC. A construção de um modelo paralelo para

realizar as simulações dos impactos de melhorias nas ferrovias e rodovias não faz parte do

escopo deste estudo.

3.6.1. Projetos para a Malha Rodoviária

O setor rodoviário é provavelmente o mais robusto e maduro em termos de

transportes terrestres no Brasil. De maneira geral, é provável que o governo privilegie ações

que reduzam os atrasos nos investimentos previstos em concessões rodoviárias. A seguir

encontra-se uma breve análise dos impactos de alguns dos principais projetos de melhorias na

malha rodoviária sobre a concorrência entre portos brasileiros.

Projeto BR-262 ES/MG. Esse projeto liga pontos no Espírito Santo e em Minas Gerais.

Ao todo, são 378 km de estrada, com extensão de pista a ser duplicada de 196 km (taxa de

duplicação de 52%). Esse projeto está praticamente dentro da hinterlândia do Porto de Vitória,

para todos os diferentes tipos de carga (vide Coutinho et al., 2014). Portanto, ele não deve

aumentar a concorrência dentro do mercado geográfico do porto de Vitória. É possível até

mesmo que a participação do porto de Vitória neste mercado geográfico aumente. Por outro

lado, o projeto da BR-262 deve aumentar a acessibilidade de municípios que pertencem a

outras hinterlândias nas quais o porto de Vitória compete aos portos do Rio de Janeiro e

123

Sepetiba, bem como a portos na Bahia. Portanto, é possível que a BR-262 aumenta a

concorrência nessas outras hinterlândias.

Projeto BR-050 GO/MG. O projeto da BR-050 concentra-se basicamente no leste do

estado de Goiás, fronteira com o oeste de Minas Gerais. Ao todo são 426 km, sendo prevista a

duplicação de 219 km (taxa de duplicação de 51%). Essa rodovia liga pontos que estão dentro

de municípios atendidos pelas hinterlândias do porto de Santos ou do porto de Vitória.

Portanto, é provável que essa concessão não incorra em aumento significativo de

concorrência, dado que facilitará o acesso a portos já importantes para esses municípios; é

possível que haja aumento da participação desses portos na movimentação desses municípios.

Projeto BR-101 BA. Esse projeto aumentará a acessibilidade de Salvador ao sul do

estado da Bahia. A estrada está próxima ao litoral baiano e tem 772 km de extensão, sendo

prevista a duplicação de 543 km (taxa de duplicação de 70%). Essa região é atendida

basicamente pelos portos de Vitória, de Salvador e de Aratu. Portanto, é possível que essa

rodovia aumente a competição entre terminais localizados nesses três portos.

Projeto BR-040 MG/GO/DF. Esse projeto engloba 937 km de estrada, sendo prevista

uma extensão de 715 km de pista duplicada (taxa de duplicação de 76%). Essa estrada conecta

Brasília à Fernão Dias, cruzando praticamente todo o estado de Minas Gerais. Os municípios

próximos a essa estrada são atendidos principalmente pelos portos do Rio de Janeiro, de

Sepetiba, de Vitória e de Santos. Para os municípios no Estado de Minas Gerais, os dois

principais portos, Rio de Janeiro e Vitória, têm grande participação. Para os municípios

próximos ao extremo leste do trecho atendido por este projeto, há uma maior participação do

Porto de Santos. Dada essa configuração, uma primeira consequência do projeto da BR-040

será provavelmente um aumento da participação dos portos do Rio de Janeiro e de Vitória na

movimentação de cargas provenientes ou com destino a munícipios localizados no estado de

Minas Gerais, assim também como naqueles do Distrito Federal e de Goiás. Por outro lado,

devido à conexão com a Fernão Dias, é possível que haja também um aumento da participação

do Porto de Santos. De maneira geral, o projeto da BR-040 deve reduzir os custos de

acessibilidade de municípios localizados nas proximidades da rodovia aos portos dos estados

do Rio de Janeiro, de São Paulo e do Espírito Santos.

Projeto BR-153 TO/GO. Esse projeto prevê 814 km de estrada, com taxa de duplicação

de 100%, ligando o estado de Goiás (áreas próximas do Distrito Federal) ao estado do

Tocantins, havendo também uma conexão à Transbrasiliana. Em termos de aumento da

124

conectividade entre as hinterlândias localizadas mais no interior do país e os portos, esse é um

dos projetos mais importantes. No caso de granéis sólidos, por exemplo, ele possibilitará

aumentar a acessibilidade dos municípios localizados no mercado geográfico (vide Coutinho et.

al, 2014) de Santos/Paranaguá/Vitória a portos no Pará e no Maranhão. A consequência disso

é um potencial aumento na concorrência entre portos que servem municípios dessa

hinterlândia. O mesmo tipo de análise vale para mercados geográficos definidos para os

demais tipos de carga. Ou seja, de maneira geral, o projeto da BR-153 TO/GO aumentará a

concorrência nos mercados geográficos que envolvem unidades da federação da região

Centro-Oeste.

Projeto BR-060/153/262 DF/GO/MG. Esse projeto corresponde a 1.177 km de

estrada, havendo previsão de 648 km de pista dupla (taxa de duplicação de 55%), afetando

diretamente municípios em Goiás, Minas Gerais, norte de São Paulo e Distrito Federal. Esse

projeto melhorará a acessibilidade de municípios em Tocantins, Goiás, Distrito Federal aos

portos do Sudeste e ao porto de Paranaguá. Por outro lado, municípios nos estados de Minas

Gerais terão maior acesso aos portos do Maranhão e do Pará, graças à combinação deste

projeto com o projeto BR-153 TO/GO.

Projeto BR-116 MG. Esse projeto corresponde a 817 km de estrada, com taxa de

duplicação de 100%, ligando o Norte de Minas Gerais até o Rio de Janeiro. Com isso, espera-se

um aumento na conectividade entre o estado da Bahia e os Estados do Rio de Janeiro, São

Paulo e Minas Gerais. Os municípios nas proximidades do trecho projetado estão na área de

influência direta dos portos de Vitória, do Rio de janeiro, de Sepetiba, e um pouco menos na

do porto de Santos. É possível que haja um aumento da participação do porto de Santos na

movimentação de carga de municípios nas proximidades deste projeto. Espera-se, portanto,

que isso venha a aumentar ainda mais a concorrência entre os portos que atualmente

atendem esses municípios.

Projeto BR-163/267/262 MS. Trata-se de um projeto envolvendo 1.423 km de estrada,

com previsão de 100% de duplicação e diversos trechos localizados no estado de Mato Grosso

do Sul. Esse projeto beneficiará o escoamento de cargas dos estados do Mato Grosso e do

Mato Grosso do Sul até os portos do Sudeste e do Sul do país. Grande parte dos produtos com

origem ou destino em municípios localizados nesses dois estados são escoados pelos portos de

Santos, Paranaguá e Manaus. Com o projeto BR-163/267/262, e a consequente melhoria do

acesso até o Sudeste e Sul do Brasil, é possível que Santos e Paranaguá tenham um aumento

125

na sua participação para as cargas do Mato Grosso e Mato Grosso do Sul. Além disso, é

possível que outros portos do Sul também se beneficiem em termos de ganhos de carga.

Projeto BR-163 MT. Esse projeto cobre um total de 822 km de estrada, sendo previsto

um total de 434 km de estradas duplicadas (taxa de duplicação de 53%) e trechos que cruzam

o estado do Mato Grosso, de Norte a Sul. Esse projeto, em conjunto com o projeto BR-

163/267/262, melhorará a acessibilidade dos estados do Mato Grosso e do Mato Grosso do Sul

aos portos do Sudeste e do Sul do Brasil. De maneira geral, os comentários em relação a esse

projeto são os mesmos do projeto acima, em termos de impactos sobre a concorrência no

setor portuário.

3.6.2. Projetos para a Malha Ferroviária

No caso do setor ferroviário, o governo apresentou um novo modelo regulatório, com

o objetivo de estimular investimentos privados em aumento da capacidade e da extensão da

malha, além de promover a competição entre operadores multimodais. Apesar de algumas

incertezas em relação ao novo modelo, há uma série de projetos sendo estudados. Apresenta-

se a seguir uma discussão do impacto desses projetos sobre o ambiente concorrencial no setor

portuário brasileiro.

Projeto Ferroanel. Esse projeto está localizado no estado de São Paulo, e corresponde

a 245 km de ferrovia. Como se trata de um projeto totalmente inserido em uma área próxima

à cidade de São Paulo, o seu impacto direto tem o potencial de melhorar a acessibilidade ao

porto de Santos. Portanto, em termos de concorrência entre portos, esse projeto não teria um

impacto muito grande.

Projeto Lucas do Rio Verde – Uruaçu – Palmas – Anápolis. Esse projeto prevê uma

extensão total de 1.920 km de ferrovia, ligando os municípios de Lucas do Rio Verde, no Mato

Grosso, até Campinorte, em Goiás. Espera-se uma melhoria na ligação entre a região Centro-

Oeste e as regiões Sudeste e Nordeste do Brasil, disponibilizando transporte ferroviário aos

centros de produção localizados no Centro-Oeste e possibilitando o escoamento por meio da

ferrovia Norte-Sul. A partir de Campinorte, há mais dois trechos, um deles até Palmas, no

Tocantins, e outro até Anápolis, em Goiás. Esse projeto terá um impacto direto no acesso dos

municípios de Mato Grosso, Tocantins e Goiás aos portos localizados nos estados do Pará e do

Maranhão. Portanto, de maneira geral, ele possibilitará um aumento na concorrência entre

126

portos para cargas de municípios do Centro-Oeste, e talvez também do estado de Minas

Gerais. Mesmo cargas advindas ou direcionadas ao estado de Mato Grosso do Sul devem ter

maior acesso, ainda que indireto, a portos no norte do Brasil.

Projeto Açailândia – Vila do Conde. Trata-se de uma ferrovia com extensão total de

457 km, conectando a região Centro-Oeste à região Norte e ao porto de Vila do Conde e

completando a ferrovia Norte-Sul, que permitirá a produção e o escoamento de grãos,

minerais e derivados de petróleo pelo porto de Vila do Conde. Esse projeto aumentará ainda

mais a acessibilidade dos municípios do Centro-Oeste aos portos do Norte do Brasil,

principalmente o de Vila do Conde, estimulando assim a concorrência portuária na

movimentação de cargas de municípios dessa região – os portos no Norte do país poderão

ganhar participação em relação aos portos nas regiões Sul e Sudeste (notadamente Santos e

Paranaguá). O projeto deverá aumentar também a concorrência entre os portos do Pará e do

Maranhão.

Projeto Rio de Janeiro – Campos – Vitória. Trata-se de um projeto de 572 km de

ferrovia que integrará o porto do Rio de Janeiro e seus terminais aos portos de Vitória e

Tubarão, criando assim novas possibilidades logísticas no escoamento de cargas. Essa ferrovia

atravessará grande parte dos estados do Rio de Janeiro e do Espírito Santo, gerando assim

ganhos de concorrência entre os terminais portuários localizados nesses dois estados.

Projeto Belo Horizonte – Salvador. Esse projeto ligará Belo Horizonte à cidade de

Candeias, próxima a Salvador, passando por Brumado, na Bahia, e com uma extensão total de

1,350 km de ferrovia. Espera-se com isso criar uma nova rota de transporte de cargas gerais

entre as regiões Sudeste e Nordeste. Os municípios localizados em Minas Gerais são

atualmente atendidos principalmente pelos portos de Vitória, Rio de Janeiro e Sepetiba, com

uma participação um pouco menor do Porto de Santos. O projeto da ferrovia de Belo

Horizonte até Salvador possibilitará um aumento na concorrência portuária pelas cargas

desses municípios, e possivelmente também pela de alguns de Goiás, ao melhorar seu acesso

aos portos de Salvador e Aratu.

Projeto Salvador – Recife. Esse projeto corresponde a 839 km de ferrovias, ligando os

municípios de Feira de Santana, na Bahia, a Ipojuca, em Pernambuco, e cruzando os estados de

Sergipe e Alagoas. Os trechos previstos passarão pelas capitais Aracaju e Maceió, bem como

pelo terminal portuário de Atalaia Velha, em Sergipe. Esse projeto trará possíveis ganhos em

127

termos de concorrência no setor portuário, uma vez que levará a um aumento na competição

entre os portos localizados nos quatro estados pelos quais a ferrovia passa.

Projeto Anápolis - Estrela d’Oeste - Panorama - Dourados. Esse trecho prevê 1.294 km

de ferrovia, ligando os municípios de Anápolis, em Goiás, e Dourados, no Mato Grosso do Sul.

A ferrovia passa pelos municípios de Estrela d’Oeste e Panorama, ambos no estado de São

Paulo, na parte leste do estado. Ele aumentará a possibilidade de acesso de municípios nos

estados de Goiás e Mato Grosso do Sul aos portos no Sudeste e no Sul do Brasil. Por outro

lado, haverá ganhos na possibilidade de acesso também aos portos do Pará e do Maranhão,

devido à integração com a ferrovia Norte-Sul. Portanto, há ganhos potenciais em termos de

custos do escoamento de cargas de exportadores e importadores localizados nos estados do

Centro-Oeste, o que também terá efeitos benéficos sobre a concorrência portuária.

Projeto Maracaju – Engenheiro Bley – Paranaguá. Trata-se de um projeto que

engloba 1.139 km de ferrovia e que poderá melhorar o escoamento de diversas cargas,

principalmente granéis sólidos minerais e vegetais, pelo Porto de Paranaguá. O primeiro

trecho tem 989 km, e ligará Maracajú, no Mato Grosso do Sul, ao terminal Engenheiro Bley,

em Lapa, no Paraná. O segundo trecho, com 150 km, ligará o terminal Engenheiro Bley ao

Porto de Paranaguá, seguindo a faixa de domínio da atual estrada de ferro existente desde a

Lapa até Curitiba e, depois, seguindo o trajeto da BR-277 até o litoral. Cargas com destino ou

origem no estado do Paraná já são atualmente atendidas principalmente pelo porto de

Paranaguá, de forma que esse projeto não trará ganhos diretos na concorrência entre portos

pelo escoamento de cargas demunicípios do Paraná, podendo até mesmo ampliar a

participação do porto de Paranaguá. Por outro lado, o porto de Santos tem maior participação

na movimentação das cargas de municípios no Mato Grosso do Sul e em Mato Grosso. Sendo

assim, o projeto da ferrovia Maracaju – Engenheiro Bley – Paranaguá trará aumento de

concorrência entre os portos de Santos e do Paraná (e possivelmente outros portos na região

Sul) pelas cargas de municípios dos estados de Mato Grosso e Mato Grosso do Sul.

Projeto São Paulo – Rio Grande. Trata-se de um projeto com extensão total prevista

de 1.667 km de ferrovia, ligando os municípios de Mairinque, no estado de São Paulo, e Rio

Grande, no estado do Rio Grande do Sul, passando pelos estados do Paraná e de Santa

Catarina. Esse projeto liga municípios que estão presentes nos mercados geográficos de

diferentes portos, para diferentes tipos de carga. Espera-se que haja ganhos em termos de

aumento da concorrência entre os portos das regiões Sul e Sudeste. Por exemplo, conforme

apresentado nas tabelas 4 a 6, o Porto de Rio Grande tem uma participação de 80% ou mais,

128

dependendo do tipo de carga, no seu mercado geográfico. O projeto da ferrovia São Paulo –

Rio Grande pode levar a um aumento na participação dos demais portos do Sul e Sudeste na

hinterlândia de Rio Grande. Por outro lado, municípios localizados nas hinterlândias dos portos

de Paranaguá, Santos, Itajaí, Imbituba e São Francisco do Sul também poderão ter um melhor

acesso ao Porto de Rio Grande. De maneira geral, portanto, esse projeto trará ganhos em

termos de concorrência portuária para os exportadores ou importadores localizados nos

estados de São Paulo e da Região Sul.

Projeto Uruaçu – Corinto – Campos. Esse projeto corresponde a 1.730 km de ferrovia,

saindo do Município de Uruaçu, no estado de Goiás, passando por Corinto, em Minas Gerais, e

seguindo até Campos, no Rio de Janeiro. Em conjunto com o trecho de ferrovia que liga Lucas

do Rio Verde a Uruaçu, a ferrovia Uruaçu – Corinto – Campos trará uma maior capacidade de

escoamento dos municípios do Centro-Oeste pelos portos do Rio de Janeiro e também do

Espírito Santo. Atualmente as cargas de municípios do Centro-Oeste são escoadas

principalmente pelos portos de Santos e Paranaguá. Com esses novos projetos de ferrovias,

espera-se uma redução nos custos de transporte até os portos dos estados do Rio de janeiro e

do Espírito Santo, beneficiando a concorrência no setor portuário para os exportadores e

importadores da região Centro-Oeste.

4. Recomendações e Comentários Finais

Este relatório apresentou e discutiu um grande número de resultados da análise

desenvolvida no âmbito do projeto CERME/UnB – ANTAQ sobre a concorrência no setor

portuário brasileiro. Partindo de um conjunto de hinterlândias delimitadas com base no

método de agrupamentos espaciais, foi possível elaborar indicadores do grau de concentração

nesses mercados geográficos. Também foram realizados diversos estudosempíricos que

identificaram os principais fatores que afetam as decisões de importadores e exportadores no

que tange às escolhas dos portos e terminais por onde escoar suas cargas. A avaliação

integrada de todos os resultados gerados permitiu que fosse traçado um panorama geral da

concorrência no setor portuário brasileiro.

Em linhas gerais, a conclusão é de que, na maioria dos mercados de serviços

portuários, existe concorrência suficiente. Essa conclusão está baseada nas seguintes

constatações:

129

1. As participações de mercado dos portos e terminais mais importantes de cada

hinterlândia são bastante sensíveis a reduções nos custos de transporte terrestre

interno entre os locais de origem ou destino das cargas e seus portos/terminais

concorrentes. Essa conclusão vale para a maioria das hinterlândias, inclusive

aquelas que apresentaram grau de concentração (medido pelo índice IHH)

bastante elevado.

2. As participações de mercado de muitos portos e terminais (a amostra utilizada não

incluiu todo o universo de portos e terminais) são afetadas significativamente

quando portos concorrentes tornam-se mais eficientes. Isso significa que existe

concorrência vigorosa via ganhos de eficiência.

3. As participações de mercado de muitos terminais de contêineres (a amostra

utilizada não incluiu todos os terminais de contêineres) são sensíveis a variações

de preços. Para vários desses terminais, a elasticidade foi maior do que 1, o que

significa que as suas participações de mercado reduzem-se mais do que

proporcionalmente aos aumentos de preços. Mesmo para aqueles terminais cujas

participações de mercado revelaram-se inelásticas, não é possível afirmar que

conseguiriam aumentar seus lucros via elevação de preços.

4. A maioria dos terminais que forneceram ao CERME/UnB os seus demonstrativos

financeiros, atendendo solicitação da ANTAQ, apresentaram lucro residual

negativo no período analisado. Isso é evidência de que eles não têm poder de

mercado suficiente para gerar lucro econômico positivo.

5. A legislação portuária brasileira tem avançado no sentido de reduzir barreiras à

entrada no setor. Alguns dos efeitos benéficos dessa tendência já se fizeram sentir,

e esperam-se mais efeitos assim no futuro como resultado da implementação da

Nova Lei dos Portos.

6. Existe um grande número de projetos de melhoria das malhas de transportes

rodoviário e ferroviário no Brasil que, se concluídos, permitirão uma redução

significativa dos custos de transporte terrestre em algumas hinterlândias

portuárias. Como discutido em várias partes do relatório, isso tem o potencial de

aumentar a concorrência naquelas hinterlândias.

A avaliação de que o setor portuário brasileiro apresenta, de maneira geral, um grau

satisfatório de concorrência não significa que seja desnecessário estar vigilante para evitar a

ocorrência de práticas anti-competitivas ou que medidas com potencial de aumentar a

concorrência não sejam bem-vindas. Ao longo do relatório já foram identificados diversos

130

mecanismos que podem ser utilizados para incrementar o nível de concorrência dentro das

hinterlândias portuárias, mas é importante também listar aqui as principais recomendações

que brotam deste relatório:

1. Algumas das hinterlândias portuárias brasileiras merecem maior atenção por parte

da ANTAQ e de outras entidades governamentais responsáveis pela regulação do

setor. Destacam-se aquelas identificadas para segmento de movimentação de

granéis sólidos em geral, já que a participação de mercado dos portos e terminais

que as compõem mostraram-se relativamente pouco sensíveis a ganhos de

eficiência e reduções dos custos de transporte terrestre até seus principais

competidores. Além disso, o segmento de movimentação de granéis líquidos é

bastante concentrado, com um número bem menor de empresas produtoras do

que no caso das demais cargas. Além dessa alta concentração, há um alto grau de

verticalização na produção de muitas mercadorias que se enquadram nessa

categoria, com a produção integrada ao transporte da carga. Isso sugere que esse

setor seja monitorado mais de perto.

2. No segmento de movimentação de contêineres, há evidências de que os terminais

localizados nas regiões Norte e Nordeste são menos sensíveis a variações de preço,

o que pode indicar poder de mercado. Recomenda-se o estímulo à criação de

projetos de construção de novos terminais de contêineres nessas regiões e/ou

esforços no sentido de melhorar as condições das vias de escoamento das cargas

dessas regiões até portos de outras regiões do Brasil.

3. Recomenda-se que a ANTAQ aperfeiçoe o seu sistema de coleta de informações

sobre o setor portuário para que seja possível capturar dados sobre preços

efetivamente praticados de serviços portuários e custos de produção em nível de

desagregação adequado. A posse desses dados é essencial para que seja feito um

acompanhamento eficaz da situação concorrencial do setor portuário brasileiro.

4. Recomenda-se que as agências governamentais responsáveis pela regulação do

setor portuário brasileiro atuem no sentido de instaro governo federal e governos

estaduais a levar adiante projetos de melhoria da infraestrutura de transportes.

Como demonstrado nesse trabalho, a redução dos custos dos transportes

terrestres internos é um dos fatores com maior potencial para aumentar a

concorrência

5. Recomenda-se que a concorrência no setor portuário continue a ser incentivada

por intermédio da redução ou eliminação de barreiras à entrada no setor. A

131

autorização para criação de novos terminais privados, onde isso for viável física e

economicamente, deve ser estimulada.

6. Levar adiante programas como Porto sem Papel, Programa Nacional de Dragagem,

Sistema de Gerenciamento e Informações de Tráfego Marítimo e criar novos

programas que gerem ganhos de eficiência para portos e terminais. Como visto ao

longo desse trabalho, ganhos de eficiência estimulam a concorrência.

7. Não é recomendável que sejam introduzidosmecanismos de regulação econômica

no setor portuário, em particular controles de preços. Como ficou claro na análise

de lucros residuais, a maioria dos terminais portuários brasileiros não tem obtido

lucros residuais positivos, o que é evidência de ausência de poder de mercado

significativo. Em casos assim, a regulação de preços não é recomendável. Além

disso, o setor portuário está dividido em segmentos com características muito

diversas, o que dificulta a implementação de uma regulação homogênea. É

bastante provável que o custo da regulação seja substancialmente maior do que os

seus benefícios potenciais.

5. Referências Bibliográficas

ALBUQUERQUE, P. H. M., CARVALHO, A. X. Y., OLIVEIRA, A. R., BRITTO, A. P., COUTINHO, P. C. (2014). Estimação das variáveis latentes via Máxima Verossimilhança com Informação Completa na avaliação dos critérios para a escolha do porto no Brasil.CERME/UnB. Documento Técnico. 2014.

ALPAYDIN, E. Introduction to machine learning. The MIT Press, 2004. ANDERSON, C. M., OPALUCH, J. J., GRIGALUNAS, T. (2009). The demand for import services at

US container ports. Maritime Economics & Logistics. 11(2), pp. 156-185. ANSELIN, L. Spatial econometrics: methods and models. Kluwer Academic, Dordrecth, 1988. ANSELIN, L.; FLORAX, R. Advances in spatial econometrics. Heidelberg: Springer-Verlag, 2000. ANTAQ Nota Técnica 17/2007. ANTAQ Nota Técnica 25/2009. ARONIETIS, R., MARKIANIDOU, P., MEERSMAN, H., PAUWELS, T., PIRENNE, M., VAN DE

VOORDE, E., VANELSLANDER, T., VERHETSEL, A. (2010). Some Effects of Hinterland Infrastructure Pricing on Port Competitiveness: Case of Antwerp. 12th World Conference on Transport Research. Lisboa.

132

BAUMOL, W. J.,PANZAR, J. C., WILLIG, R. D. Contestable Markets and the Theory of Industry Structure. New York: Harcourt Brace Jovanovich, 1982.

BERKHIN, P. Survey of clustering data mining techniques. Technical report, Accrue Software,

San Jose, CA, 2002. BERRY, S. Estimating discrete choice models of product differentiation. RAND Journal of

Economics, 25, p. 242-262, 1994. BERRY, S., LEVINSON, J., PAKES, A. Automobile prices in market equilibrium. Econometrica, n.

63, p. 841-890, 1995. BERRY, M. J. A.; LINOFF, G. Data mining techniques. John Wiley and Sons, 1997. BEHRENS, K., THISSE, J. F. (2007) Regional economics: a new economic geography perspective.

Regional Science and Urban Economics, v. 37, p. 457-465. BELTON, V., GEAR, T. (1983). On a short-coming of Saaty's method of analytic hierarchies.

Omega, 11(3), 228-230. BLONIGEN, B. A., WILSON, W. W. (2006). International trade, transportation networks and port

choice. University of Oregon working paper series, May 2006. BLONIGEN, B., AND W. WILSON (2006). New Measures of Port EfficiencyUsing International

Trade Data. NBER Working Paper 12052. BRUCE, A. et al. (2004), Interdisciplinary integration in Europe: the case of the fifth framework

programme. Futures, v. 36, p. 457 470, 2004. CAMPOS NETO, C. A. S., PEGO FILHO, B., ROMMINGER, A. E., FERREIRA, I. M. (2009). Portos

Brasileiros 2009: Ranking, Área de Influência, Porte e Valor Agregado Médio dos Produtos Movimentados. Texto de Discussão no. 1408. IPEA.

CARVALHO, A. X. Y., ALBUQUERQUE, P. H. M., ALMEIDA JUNIOR, G. R., GUIMARÃES, R. D.

(2009). Spatial Hierarchical Clustering. Revista Brasileira de Biometria, v. 27, n. 3, p. 412-443.

CARVALHO, A. X. Y., ALBUQUERQUE, P. H. M., LAURETO, C. R., ALMEIDA JUNIOR, G. R.,

GUIMARÃES, R. D. (2011). Clusterização Hierárquica Espacial com Atributos Binários. Revista Brasileira de Biometria, v. 29, n. 1, p. 147-197.

CARVALHO, A. X. Y., COUTINHO, P. C., OLIVEIRA, A. R., BRITTO, P. A. P. Caracterização do fluxo

de cargas e indicadores de concorrência entre os portos brasileiros. CERME/UnB. Documento Técnico. 2014.

CARVALHO, A. X. Y., COUTINHO, P. C., OLIVEIRA, A. R., BRITTO, P. A. P.Identificação de

mercados geográficos e construção de indicadores de concorrência no setor portuário brasileiro. CERME/UnB. Documento Técnico. 2014.

CASTRO, M. C. (1996) Desenvolvimento sustentável: a genealogia de um novo paradigma.

Economia e Empresa, São Paulo, v.3, n.3, p.22-32, jul./set. 1996.

133

CASTRO, A. S., CAVALCANTI, M. A. (1997) Estimação de equações de importação e exportação para o Brasil – 1955/1995. Texto de Discussão do IPEA, número 469, Brasília.

CHANG, S. (1978) Production function and capacity utilization of the port of Mobile. Maritime

Policy and Management 5, 297-305. CHANG, Y. T., TONGZON, J., LUO, M., LEE, P. (2008). Estimation of optimal handling capacity of

a container port: an economic approach. Proceedings of IAME 2008. Dalian, China. CHEUNG, Yin-Wong (1993). Exchange Rate Risk Premiums. Journal of International Money and

Finance 12, 182-94. COUTINHO, P. C., OLIVEIRA, A. R. Determinação da Taxa de Retorno Adequada para

Concessionárias de Distribuição de Energia Elétrica no Brasil. FUBRA – Fundação Universitária de Brasília. Relatório de projeto para a SRE/ANEEL, 2002.

COUTINHO, P. C., OLIVEIRA, A. R., CARVALHO, A. X. Y., BRITTO, P. A. P., LUSTOSA, P.,

CAMARGO, R. S., LUCAS, V. M. (2012). Estudo comparativo das estruturas de custos e avaliação de projetos/investimentos entre terminais portuários de uso público e terminais portuários de uso privativo misto. ANTAQ/CERME-UnB. Estudo de Assimetria Regulatória em Terminais de Contêineres Brasileiros. Relatório 1.

COUTINHO, P. C., OLIVEIRA, A. R., CARVALHO, A. X. Y., BRITTO, P. A. P. (2013). Investigação de

retornos de escala e análise de eficiência relativa dos terminais de contêineres no Brasil. CERME-UnB. Documento Técnico.

COUTINHO, P. C., OLIVEIRA, A. R., CARVALHO, A. X. Y., BRITTO, P. A. P., LUSTOSA, P., LUCAS, V.

M., ALBUQUERQUE, P. H. M., FONSECA, A. P. (2014). Identificação dos principais mercados existentes no setor portuário brasileiro. ANTAQ/CERME-UnB. Estudo de Concorrência no Setor Portuário Brasileiro. Relatório 3.

COMMISSION OF THE EUROPEAN UNION (CEU), (2004). Proposal for a Directive of the

European Council and the European Parliament on market access to port services, Com (2004)654, final, 13.October.

COUTINHO, P. C. e A. R. OLIVEIRA (2002) Determinação da Taxa de Retorno Adequada para

Concessionárias de Distribuição de Energia Elétrica no Brasil. Relatório final de trabalho realizado para a SRE/Aneel, 2002.

CRIBARI-NETO, F., ZEILEIS, A. Beta regression in R. Journal of Statistical Software. Vol. 34, Issue

2, pp. 1-23. Abril, 2010. CULLINANE, K., SONG, D. W.; PING, J.; WANG, T. F. (2005). The Application of Mathematical

Programming Approaches to Estimating Container Port Production Efficiency. Journal of Productivity Analysis, 24, 73–92.

DAMODARAN, A. Página da internet:

http://pages.stern.nyu.edu/~adamodar/New_Home_Page /datafile/Betas.html, 2014. DEMSETZ, H. (1968).Why Regulate Utilities? Journal of Law and Economics, Vol. 11, No. 1, p.

55-65.

http://pages.stern.nyu.edu/~adamodar/New_Home_Page%20/datafile/Betas.html

134

DE NEUFVILLE, R., TSUNOKAWA, K. (1991). Productivity and returns to scale of container ports. Maritime Policy and Management, 8(2), 121-129.

DIÁRIO DO COMÉRCIO. Melhores dos Maiores, 2011 a 2013. ELTON, E, M. GRUBER, S. Brown, GOETZMANN, W. Modern Portfolio Theory and Investment

Analysis, John Wiley and Sons, Inc. 2009. FRANKEL, J. A. Quantifying International Capital Mobility in the 1980s. Disponível no site

www.ssrn.com. FRÉMONT, A (2008). Empirical Evidence for Integration and Disintegration of Maritime

Shipping, Port and Logistics Activities. OECD/ITF Joint Transport Research Centre Discussion Paper, 2009-1, http://dx.doi.org/10.1787/227565346707.

FERRARI, S., CRIBARI-NETO. Beta regression for modelling rates and proportions. Journal of

Applied Econometrics. Vol. 31, Issue 7, pp. 799-815. 2004. GANGNON, R.; CLAYTON, M. K. Cluster detection using Bayes factors from overparameterized

cluster models. Environmental and Ecological Statistics. Vol. 14, n. 1, March, 2007. GARCIA, M., OLIVARES, G. (2001). O Prêmio de Risco da Taxa de Câmbio no Brasil durante o

Plano Real. Revista Brasileira de Economia, 55(2), 151-182. GIL, A. C. (1991). Métodos e Técnicas de Pesquisa Social. São Paulo: Atlas, 1991. GOMES, L.F.A.M.; ARAYA, M.C.G.; CARIGNANO, C. (2004). Tomada de decisões em cenários

complexos. São Paulo: Pioneira Thomson Learning. GOSS, R. O. (1990) Economic Policies and Seaports. Part 3: Are Port Authorities Necessary?

Maritime Policy and Management, 17(3), 257-271, 1990. GOWER, J. C. A Comparison of Some Methods of Cluster Analysis. Biometrics, 1967. GUJARATI, D. N. Basic econometrics. Singapore: McGraw-Hill International, 1995. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning: data mining,

inference and prediction. Springer, 2001. HEAVER, T. D. (2002). The Evolving Roles of Shipping Lines in International Logistics.

International Journal of Maritime Economics, no 4, pp. 210-230. HENDRY, D. F. (1995). Dynamic Econometrics (Advanced Texts in Econometrics). Oxford

University Press. HERRERA, S.; PANG, G.; Efficiency of Infraestructure: The case of Container Ports. Revista

Economia, Brasília, DF, Brasil, V.9 , n.1, p: 165-194, 2008. IBGE. 2007. Classificação Nacional de Atividades Econômicas, versão 2.0. Comissão Nacional de

Classificação, Rio de Janeiro.

135

ITOH, H. Efficiency changes at major container ports in Japan: A window application of DEA. Rurds, v. 14, n. 2, 2002.

JANTSCH, A. P.; BIANCHETTI, L. (1999), Interdisciplinaridade: para além da filosofia do sujeito. 3

ed. Petrópolis: Vozes, 1999. JARA-DIAZ, S, Martínez-Budría, E., Cortes, C. and Vargas, A. Marginal costs and scale

economies in Spanish ports. 25th European Transport Forum, Proceedings Seminar L, PTRC, London, 137-147, 1997.

JARA-DÍAZ, S. TOVAR, B., and TRUJILLO, L., Marginal costs, scale and scope for cargo handling

firms in Spain. Transportation. 32, 275-291, 2005. KASELIMI, V., NOTTEBOOM, T., PALLIS, A. A., FARREL, S. (2010). Minimum Efficient Scale (MÊS)

of Container Terminals: Methodological Approaches and Relevance for Terminal Concession Prodecures. International Association of Maritime Economists Conference. Lisboa, 2010.

KASELIMI, V., NOTTEBOOM, T., SAEED, N. (2011). A game theoretical approach to the inter-

relation between terminal scale and port competition, IAME 2011, Santiago de Chile, 25-28 October 2011.

KENT, P. E. (2004) Monitoring for Port Antitrust Behavior: An Operational Model and Future

Challenges. 2004. Disponível na internet. KHATTREE, R.; NAIK, D. N. Multivariate data reduction and discrimination with SAS Software.

Wiley InterScience, 2000. KIM, M. and SACHISH, A., 1986, The structure of production, technical change and productivity

in a Port. International Journal of Industrial Economics 35, 209-223 LANDRY, M.; BANVILLE, C. (2000), Caractéristiques et balises d’évaluation de la recherche

systémique. Revue Tunisienne des Sciences de Gestion, v. 2, n. 1, p. 76 112, 2000. LANGEN, P. W. (2007). Port Competition and Selection in Contestable Hinterland: the Case of

Austria. European Journal of Transport and Infrastructure Research, v. 7, n. 1, pp. 1-14. LANGEN, P. W., CHOULY, A. (2004). Hinterland Access Regimes in Seaports. European Journal

of Transport and Infrastructure Research, v. 4, n. 1, pp. 361-380. LANGEN, P. W., PALLIS, A. A. (2006). Analysis of the benefits intra-port competition.

International Journal of Transport Economics, 33(1), 69. LAWSON, A. B.; DENISON, D. G. T. (Eds.). Spatial cluster modelling. Chapman and Hall/CRC,

2002. LI, X. et al. Storm clustering for data-driven weather forecasting. Technical report, University of

Alabama, 2008. LIU, Q. Efficiency Analysis of Container Ports and Terminals. Doctorate Thesis. University

College London. 2010.

136

LIU, Z. (1992) Ownership and Productive Efficiency: With Reference to British Ports. Tese de Doutorado. Queen Mary and Westfield College, University of London, 1992.

LIU, Z. The Comparative Performance of Public and Private Enterprises: The Case of British

Ports. Journal of Transport Economics and Policy, 263-274, 1995. LIU, N., GAN, H., CHEN, S. (2012). An Analysis of the Competition of Ports in the Shanghai

International Shipping Hub. Department of Management Science and Engineering, Zhejiang University.

LOOTSMA, F. (1989). Conflict Resolution via Pairwise Comparison of Concessions. European

Journal of Operational Research 40(1): 109-116. MALCHOW, B., KANAFANI, A. (2004). A disaggregate analysis of port selection. Transportation

Research Part E. 40 (4), pp. 317-337. McCULLAGH, P., NELDER, J. A. Generalized Linear Models. Chapman & Hall/CRC. Monographs

on Statistics and Applied Probability 37. Segunda edição, 1989. MARTINEZ-BUDRIA, E.; DIAZ-ARMAS, R.; NAVARRO-IBANEZ, M.; RAVELOMESA, T. A study of

the Efficiency of Spanish port authorities using Data Envelopment Analysis, International Journal of Transport Economics, v. 26, n. 2, p. 237-253, 1999.

NASCIMENTO, V. de M. (1999), Método para Mapeamento do Fluxo de Informações do

Processo de Suprimento na Indústria da Construção Civil: Um Estudo de Caso Múltiplo em Empresas do Subsetor Edificações. Dissertação de Mestrado pelo Programa de Pós-Graduação em Engenh

NICOLESCU, B. (1999), O manifesto da transdisciplinaridade. 3 ed. São Paulo: Triom, 2005.aria

de Produção, Universidade Federal de Santa Catarina, Florianópolis, 1999. NOTTEBOM, T. e RODRIGUES, Jean-Paul. 2012. The Corporate Geography of Terminal

Operators. Maritime Policy and Management. OECD (2008). Port Competition and Hinterland Connections. Discussion Paper n. 2008-19. Joint

Transportation Research Center. Paris. OECD (2011). Competition in Ports and Port Services, DAF/COMP, 14. OPENSHAW, S., TAYLOR, P. J. (1981) The modifiable areal unit problem. In: WRIGLEY, N.,

BENNET, R. (Ed.). Quantitative Geography, a British View. London: Routledge and Kegan.

PACE, K.; BARRY, R. Sparse spatial autoregressions. Statistics and Probability Letters, 33, 291-7,

1997. PAPKE, L. E., WOOLDRIDGE, J. M. Econometric methods for fractional response variables with

an application to 401(K) plan participation rates. Journal of Applied Econometrics. Vol. 11, pp. 619-632. 1996.

POMBO, O. (2006), Práticas interdisciplinares. Sociologias, n. 15, p. 208 249, 2006.

137

PRATT, J. (1981). Concavity of the log likelihood. Journal of the American Statistical Association. Vol. 76, pp. 103-106.

PRATTEN, A. A. (1971). Economies of Scale in Manufacturing Industry. Cambridge University

Press. Cambridge. PUGA, F. P., BORÇA Jr, G. Perspectivas de Investimentos em Infraestrutura 2011-2014. Visão

do Desenvolvimento, no 92, fev./2011, BNDES. RAMALHO, E. A., RAMALHO, J. J. S., MURTEIRA, J. M. R. Alternative estimating and testing

empirical strategies for fractional regression models. CEFAGE-UE Working Paper. 2009. REKER, R.A., CONELL, D. and ROSS, D.I., 1990, The development of a production function for a

container terminal in the port of Melbourne. Papers of the Australiasian Transport Research Forum 15, 209-218, 1990.

RESENDE, G. M., CARVALHO, A. X. Y., SAKOWSKI, P. A. M. (2013). Avaliando o crecimento

econômico em múltiplas escalas espaciais com a utilização de modelos de painel espacial (1970-2000). Texto de Discussão do IPEA, n. 1830.

RESENDE, G. M. (2011) Multiple dimensions of regional economic growth: the Brazilian case,

1991-2000. Papers in Regional Science, v. 90, n. 3, p. 629-662. ROLL, Y; HAYUTH, Y. Port performance comparison applying DEA. Maritime Policy and

Management, v. 20, n. 2, p. 153-161, 1993. ROSS, S., WESTERFIELD, R., JORDAN, B. Fundamentals of Corporate Finance. McGraw Hill-Irwin

series in finance, insurance and real estate, 10th edition, 2012. RUMMLER, Geary A., BRACHE, Alan P. (1992), Melhores desempenhos das empresas. São

Paulo, Makron Books, 1992. SAATY, T. L. (1991). Método de Análise Hierárquica. Tradução de Wainer da Silveira e Silva. Rio

de Janeiro. SAATY, T. L. (1980). The analytic hierarchy process. New York: McGraw-Hill. SAATY, T.L, VARGAS,L.G, WENDELL, R.E (1983).Assessing attribute weights by ratios. Omega,

11, pp. 9–12. SARLE, W. S. Cubic clustering criterion. SAS Technical Report A-108, Cary, NC: SAS Institute Inc,

1983. SCHERER, A. B., KAUFER, E. MURPHY, R. D. (1975). The Economics of Multi-Plant Operation: An

International Comparisons Study. Harvard University Press. Cambridge, MA. SEAE e SDE (2001), Guia para análise econômica de atos de concentração horizontal, Portaria

conjunta SEAE/SDE no. 50 de 2001. SERRANO, M. G.; CASTELLANO, L. T. Analisis de la eiciencia de los servicios de infraestructura

en Espana: Una aplicación al tráfico de contenedores. In: ENCUENTRO DE ECONOMIA PÚBLICA, 10, 2004. Anais do X Encuentro de Economía Pública, 2003.

138

SHANNON, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical

Journal 27 (3): 379–423. SHEON, S. (2007) World Port Institutions and Productivity: Roles of Ownership, Corporate

Structure, and Inter-Port Competition. Tese de Doutorado em City and Regional Planning. University of California, Berkeley, 2007.

SIVAKUMAR, A., BHAT, C. Fractional split-distribution model for statewide commodity-flow

analysis. Transportation Research Record 1790. Paper No. 02-2142. 2002. SONG, D. W., YEO, K. T. (2004). A Competitive Analysis of Chinese Container Ports Using the

Analytic Hierarchy Process. Maritime Economics and Logistics, v. 6, pp. 34-52. STIGLER, G. (1958). The economies of scale. The Journal of Law and Economics. 1, 56-71. SURCO, D. F.; WILHELM, V. E.; Desenvolvimento de uma ferramenta computacional para

avaliação da eficiencia técnica baseada em DEA. Sistemas e Gestão, Curitiba, PR, Brasil. v.1, n.1, p. 42-157, (2006).

THE COMPETITION AUTHORITY (2012). Competition in the Irish Ports Sector. Public

Consultation. Ireland. TIMMINS, C., MURDOCK, J. A revealed preference approach to the measurement of congestion

in travel cost models. Duke University Department of Economics. 2005. Mimeografado. Disponível em: http://www.econ.duke.edu/~timmins/fishing_new.doc.

TIWARI, P., H. ITOH, AND M. DOI. ‘Shippers’ Port and CarrierSelection Behavior in China: A

Discrete Choice Analysis.’ Maritime Economics and Logistics.5:23–39. 2003. TONGZON, J. Efficiency Measurement of select Australian an International Port using Data

Envelopment Analysis. Transportation Research Part A, v. 35, p. 113-128, 2001. TURNER, H.; WINDLE, R.; DRESNER, M. North American container port productivity: 1984–

1997. Transportation Research Part E, v. 40, p. 339-356, 2004. TOVAR, B.; JARA-DÍAZ, S.; TRUJILLO, L. Econometric estimation of scale and scope economies

within the Port Sector: a review. Marit. Pol. Mgmt., vol. 34, n. 3, pp. 203-223, June 2007.

TRAIN, K. (2009). Discrete Choice Methods with Simulation. Cambridge University Press. U. S. DEPARTMENT OF JUSTICE AND THE FEDERAL TRADE COMISSION (2010). Horizontal

Merger Guidelines. Endereço eletrônico do documento: http://www.justice.gov/atr/public/guidelines/hmg-2010.pdf.

UNITED STATES OF AMERICA. 2013. Improving the Nation’s Freight Transportation System.

Findings and Recommendations of the Special Panel on 21st Century Freight Transportation. House of Representatives Committee on Transportation & Infrastructure.

http://www.econ.duke.edu/~timmins/fishing_new.doc

http://www.justice.gov/atr/public/guidelines/hmg-2010.pdf

139

VALENTINE, V. F.; GRAY, R. The Measurement of Port Efficiency Using Data Envelopment Analysis. In: WORLD CONFERENCE ON TRANSPORT RESEARCH, 9, 2001. Anais do IX World Conference on Transport Research, 2001.

VANELSLANDER, T. (2007). Economies of scale in sea-port container handling: up to what

level?., in: HILFERINK, P. [ed.], Proceedings of the BIVEC-GIBET Transport Research Day, 348-369.

VELDMAN, S., BUCKMANN, E. (2003). A model on container port competition, an application

for the West European Container hub-ports. Maritime Economics and Logistics, 5(1), pp. 3-22.

VERGARA, Sylvia Constant (1998), Projetos e Relatórios de Pesquisa em Administração. São

Paulo: Atlas, 1998. VISCUSI, W. K., VERNON, J. M., HARRINGTON JR., J. Economics of Regulation and Antitrust.

Cambridge, MA: MIT Press, 2005. WEISS, L. W. (1975). Optimal Plant Size and the Extent of Suboptimal Capacity. In Masson, R.

T., Qualls, P. D. (Editores). Essays on Industrial Organization in Honor of Joe. S. Bain. Bellinger. Cambridge, MA.

WHITE, H. Estimation, inference and specification analysis. Econometric Society Monographs.

1996. WOLFF, Christian C. P. (1987). Forward Foreign Exchange Rates, Expected Spot Rates, and

Premia: A Signal-Extraction Approach. The Journal of Finance 42, 395-406. WOOLDRIDGE, JEFFREY M. 2002. Econometric Analysis of Cross Section and Panel Data. The

MIT Press, Cambridge, MA. WORLD BANK (2002). The Evolution of Ports in a Competitive World. World Bank Port Reform

Toolkit. WORLD BANK (2007). Port Reform Toolkit. Module 6 – Port Regulation Module. 2a. Edição,

2007.

140

A. Apêndice

A.1. Metodologia de Logit Misto

A técnica econométrica utilizada no estudo empírico foi o modelo de escolha discreta

chamado logit misto. Variações desse modelo são comumente utilizadas na literatura para

estudar os processos de decisão de usuários de serviços portuários, em particular a escolha do

porto ou terminal por onde escoar a carga importada ou exportada (Anderson, Opaluch, e

Grigalunas (2009), Veldman e Buckmann (2003), Blonigen e Wilson (2006), Tiwari, Itoh e Doi

(2003) e Malchow e Kanafani (2004)).

Considere um agente35que queiratransportar seu produto para um comprador

localizado em outro país (essa é uma transação de exportação, mas o modelo para uma

transação de importação é muito semelhante). Suponha que haja Iportos dentre os quais ele

possa escolher, e que a sua escolha seja baseada na comparação dos custos totais de enviar

sua mercadoria pelos diversos portos. Formalmente, a utilidade (que pode ser interpretada

como o custo multiplicado por -1) do agente nquando ele usa o porto i é dada ni ni niU V ,

onde niV , chamada de utilidade representativa, é de conhecimento do pesquisador (à exceção

dos parâmetros), e ni é desconhecida do pesquisador e captura fatores que afetam a utilidade

mas não estão incluídos em niV . O agente n escolhe o porto i se, e somente se, ni njU U para

todo j i . Sendo assim, a probabilidade de o agente nescolher a alternativa (porto) ié dada

por

Pr Prni ni ni nj nj nj ni ni njP V V j i V V j i .

Nos modelos logit, a variável aleatória ni é, por hipótese, idêntica e

independentemente distribuída como distribuição extremo valor, também conhecida como

distribuição de Gumbel, o que resulta na probabilidade de escolha abaixo:

35Agente econômico responsável pela escolha do porto ou terminal que movimentará o produto a ser importado ou

exportado.

141

ni

nj

V

ni V

j

eP

e

.

A utilidade representativa niV é tipicamente linear em seus parâmetros, podendo ser

escrita de diversas maneiras diferentes. Quando T

ni niV x , onde nix é um vetor de

variáveis observadas relacionadas à alternativa (porto) i, e é um vetor de parâmetros, a

probabilidade de escolha torna-se

Tni

Tnj

ni

j

eP

e

x

x.

Esse modelo é conhecido como logit condicional (LC), e tem como peculiaridade o fato

de que o vetor de regressores nix varia com as alternativas (portos), ou seja, os regressores

podem assumir valores diferentes para alternativas diferentes.

Outra possibilidade é que a utilidade representativa seja dada por T

ni i nV x . Nesse

caso, os regressores não variam com as alternativas, mas os seus coeficientes variam.Esse

modelo é chamado de logit multinomial (LM), e a probabilidade de escolha nesse caso torna-

se:

Ti n

Tj n

ni

j

eP

e

x

x.

É importante mencionar que um dos j ’s precisa ser igualado a zero para garantir a

identificação do modelo LM (ou seja, para que os coeficientes do modelo possam ser

estimados). A alternativa (porto) j é chamada de alternativa base.

Antes de prosseguir, é preciso entender como os parâmetros dos modelos LC e LM

devem ser interpretados. No modelo LC, pode-se mostrar que o efeito (próprio) marginal (i.e.,

quando os valores dos demais regressores são mantidos fixos) de uma mudança no valor de

um regressor para a alternativaisobre a probabilidade de que essa mesma alternativa seja

escolhida é dado por

142

1nini ni l

nil

PP P

x

.

Já o efeito (cruzado) marginal de uma mudança no valor de um regressor para a

alternativak sobre a probabilidade de que a alternativa i seja escolhida é dada por

,nini nk l

nkl

PP P k i

x

.

Uma formula mais sucinta que engloba os dois casos é

nini nik nk l

nkl

PP P

x

,

onde nik é igual a 1 se i k e igual a 0 caso contrário.

Conclui-se então que, se o coeficiente estimado é positivo, um aumento no valor do

regressor para a alternativa i leva a um aumento na probabilidade de que a alternativa i seja

escolhida e a uma diminuição na probabilidade de que qualquer uma das demais alternativas

seja escolhida. A recíproca vale quando o coeficiente é negativo.

Para o modelo LMo efeito marginal segue a seguinte fórmula:

,nini il nl

nl

PP

x

onde .Nesse caso, pode-se observar que o sinal do efeito marginal de um

regressor sobre a probabilidade de escolha de uma alternativa não pode, em geral, ser

determinado apenas pelo sinal do coeficiente associado àquela alternativa.Pode-se mostrar,

no entanto, que o modelo LM pode ser rescrito como um modelo logit binário, de forma que

os seus coeficientes podem ser interpretados da mesma maneira que os parâmetros do logit

binário, ou seja, com referência a uma categoria (alternativa) base. Sendo assim, um

coeficiente positivo significa que, quando o valor do regressor para a alternativai aumenta, a

chance de que a alternativa i seja escolhida, ao invés da alternativa base, também aumenta, e

vice-versa.

De posse dos efeitos marginais, as elasticidades próprias e cruzadas da probabilidade

de escolha de um porto em relação às variáveis explicativas podem ser calculadas. Por

nl nj jljP

143

exemplo, é possível calcular o efeito de uma variação de 1% no tempo médio entre a atracação

e a desatracação de uma embarcação no porto de Santos sobre a participação de mercado do

porto de Santos e também de outros portos.

O modelo utilizado para realizar as estimações é uma combinação dos modelos LC e

LM, já que a base de dados utilizada disponibiliza tanto variáveis que variam com as

alternativas (portos) quanto variáveis que variam apenas com o agente de decisão. Esse

modelo é conhecido como logit misto36, e a sua probabilidade de escolha é dada por

, 1, ,

T Tni i n

T Tnj j n

ni

j

eP i I

e

x w

x w,

onde é o vetor de coeficientes dos regressores nix que variam com as alternativas, e i é o

vetor dos coeficientes dos regressores nw que não variam com as alternativas.

Os efeitos marginais parciais desse modelo são uma combinação dos efeitos marginais

dos modelos LC e LM discutidos anteriormente.

A.2. Metodologia de Clusterização

A clusterização hierárquica pode ser feita de forma aglomerativa (iniciando com tantos

clusters quantos forem os objetos, e então os unindo em novos clusters) ou divisiva (iniciando

com um cluster apenas e dividindo-o em novos clusters). A metamorfose de clusters é decidida

por meio da proximidade entre objetos, fator de diferenciação entre os métodos de

clusterização. A base do processo reside na construção da matriz de distâncias, que relaciona

as distâncias de cada objeto (vetor de dados) a cada outro objeto. No caso da clusterização

hierárquica aglomerativa, os objetos próximos são unidos em clusters e a matriz de distâncias

é atualizada. O processo interage até o número estabelecido de clusters.

Carvalho et al. (2009 e 2011) propõem adaptações nos algoritmos de clusterização

hierárquica tradicionais para incorporar o componente geográfico explicitamente. De acordo

com os algoritmos de clusterização hierárquica espacial propostos por eles, os algoritmos de

36Alguns autores reservem o nome “logit misto” para um modelo em que os parâmetros são aleatórios.

144

clusterização hierárquica tradicionais são modificados de forma a forçar a identificação de

regiões geográficas, estritamente contíguas, com características socioeconômicas (ou segundo

outro conjunto qualquer de variáveis) semelhantes. Entre as vantagens de se forçar a

contiguidade, encontram-se:

i. O principal objetivo da análise de clusters é construir grupos homogêneos de

áreas geográficas de acordo com um conjunto de variáveis (por exemplo,

variáveis socioeconômicas). A hipótese implícita neste caso é que as variáveis

utilizadas serão suficientes para descrever as características dos municípios,

microrregiões, mesorregiões ou setores censitários estudados. No entanto,

pode acontecer que diversas outras variáveis que também sejam importantes

para a caracterização das unidades geográficas não estejam incluídas na base,

o que acarretaria alguma perda de informação na análise de clusterização. Por

outro lado, pode-se esperar que as variáveis ausentes da base de dados

apresentem uma forte correlação espacial, no sentido de que municípios

vizinhos têm características semelhantes (Anselin, 1988; Anselin e Florax,

2000; Pace e Barry, 1997). Nesse caso, a utilização de algoritmos de

clusterização quando a contiguidade é imposta pode reduzir a perda de

informação devida à ausência de algumas variáveis na base de dados.

ii. Especificamente para trabalhos nas áreas de desenvolvimento regional e

intraurbano, por exemplo, ou para trabalhos que foquem especificamente em

políticas para sub-regiões, o principal objetivo é justamente identificar regiões

homogêneas no país ou dentro de uma área urbana, nas quais estratégias

diferenciadas possam ser implementadas. Dessa forma, a contiguidade é

fundamental, pois a intenção é a formulação de políticas públicas focadas em

áreas geográficas que apresentem algum grau de vizinhança.

Os três desafios da clusterização hierárquica são: Estabelecer a medida de similaridade

ou dissimilaridade empregada; estabelecer a distância entre vetores de dados; e definir o

número final de clusters. Entre as possíveis medidas de dissimilaridade, podem-se mencionar:

Average linkage, centroid, single linkage, complete linkage (unweighted), complete linkage

(weighted), Ward’s minimum variance e método da mediana. Além de diferentes medidas de

dissimilaridade, podem ser empregadas diferentes distâncias entre vetores: Distância

euclidiana (norma L2), norma L1 (distância de Manhattan), norma Lp (caso mais geral),

distância de Mahalanobis e distância euclidiana corrigida pela variância (variance corrected).

Por fim, para definição do número de clusters, utilizam-se, em geral, os critérios cubic

145

clustering criterion (CCC), pseudo-F, pseudo-t2, R² e R² semiparcial (vide Sarle, 1983). Uma

discussão detalhada sobre as diferentes medidas de dissimilaridade e as diferentes distâncias

entre vetores pode ser encontrada em Carvalho et al. (2009 e 2011), para o caso de

clusterização hierárquica com dados espaciais.

Neste trabalho foram empregados tanto métodos hierárquicos espaciais quanto não

espaciais, com diferentes medidas de dissimilaridade e diferentes distâncias entre os vetores,

sendo que o vetor de cada mesorregião contém os valores das participações de cada porto nas

exportações e importações daquela mesorregião. As participações foram calculadas com base

nas transações de importação e exportação entre os anos de 2009 a 2012, de forma a evitar

variabilidades excessivas eventuais de um ano para o outro. Por construção, o somatório dos

valores de cada vetor é igual a um. De maneira geral, a preferência recaiu sobre a medida de

dissimilaridade do tipo Ward’s minimum variance, com distâncias euclidianas. O número inicial

de clusters foi baseado no critério pseudo-t2.

Uma das vantagens de utilizar dados ao nível de mesorregião é a possibilidade de

realizar ajustes finos nos clusters após a utilização automática dos algoritmos hierárquicos de

clusterização espacial e não espacial. De fato, algoritmos de clusterização em geral se

enquadram na família de métodos de aprendizado não supervisionado (unsupervised

learning), em contraposição aos métodos de aprendizado supervisionado (supervised

learning). Nos métodos de aprendizado supervisionado, como é o caso dos métodos de

regressão linear e não linear, é possível ter medidas objetivas do ajuste dos algoritmos através

de indicadores como o erro médio quadrático, o erro médio absoluto etc. Para métodos de

aprendizado não supervisionado, é mais difícil estabelecer medidas objetivas dos ajustes37. Em

muitos casos, mais importante do que encontrar a configuração de clusters com o melhor

ajuste, de acordo com algum indicador quantitativo, é encontrar uma configuração de clusters

que faça sentido do ponto de vista de interpretação dos resultados. Além disso, os resultados

dos clusters gerados dependem das variáveis selecionadas, das transformações dessas

variáveis e das distâncias e medidas de dissimilaridade utilizadas. Por esses diversos motivos,

foram efetuados ajustes finos nos resultados gerados automaticamente.

37Uma possibilidade de indicador quantitativo no caso de algoritmos de clusterização é a razão entre a variância intraclusters e variância entre clusters. Quanto menor essa razão, melhor é a configuração de clusters. No entanto, não necessariamente as melhores configurações de acordo com essa razão resultam em clusters cuja interpretação faça sentido do ponto de visto dos objetivos do estudo como um todo.

146

A.3. Metodologia da Regressão Fracionada

O modelo considera o problema de escolha, por parte de um exportador ou

importador i, localizado na região j, do porto a utilizar para movimentar a sua carga do tipo m.

Ele pode escolher qualquer um dos portos no conjunto k є {1,2, ..., } de portos que

movimentam o tipo de carga m no Brasil. Note que o conjunto de portos disponíveis depende

do tipo de carga movimentada. Isso porque alguns portos não possuem terminais que

movimentam todos os tipos de carga. Como a unidade regional utilizada neste estudo é a

microrregião, há um número razoável de unidades geográficas para as estimações.

A função utilidade do indivíduo i, na microrregião j, correspondente à escolha do

porto k, para movimentar a carga do tipo m, é dada por:

[ [

]

Nessa expressão, o termo corresponde ao efeito fixo do porto k, para a carga

do tipo m. Os termos e correspondem a vetores de coeficientes que multiplicam,

respectivamente, os vetores de características e

. O primeiro refere-se a características

dos portos, como tarifas médias e tempo médio de espera nos terminais dentro dos portos. O

segundo vetor de características, , corresponde a variáveis específicas do percurso entre o

porto k e a microrregião j. Essas características podem ser a distância total em km ou o custo

logístico total médio por tonelada transportada. Nesse caso, as distâncias e os custos referem-

se às distâncias e aos custos mínimos nas rotas ótimas (entre todas as rotas possíveis de

ligação entre origem e destino consideradas). Note que tanto os coeficientes quanto as

variáveis de características são específicos do tipo de carga m.

Essa construção segue a mesma linha adotada na literatura especializada sobre

modelos de demanda, que inclui Berry (1994), Berry, Levinson e Pakes (1995), Timmins e

Murdock (2005) e Train (2009).

O termo é um termo idiossincrático para a carga do tipo m, o porto k, o indivíduo

ie a microrregião j. Assume-se que a sequência é uma sequência de variáveis aleatórias

independentes e identicamente distribuídas, com distribuição de valores extremos do tipo I.

Sendo assim, a probabilidade de o estabelecimento i escolher o porto k é dada por:

147

[ [

[ ]]

∑ { [ [

[ ]]}

A partir de uma amostra de empresas importadoras ou exportadoras, a função de

verossimilhança para estimar os parâmetros desconhecidos , , para as cargas de tipo

m é dada por

∏ ∏ ∏ [

]

onde é igual 1 caso a empresa i, na microrregião j, tenha escolhido o porto k para

exportar ou importar, e é igual 0 caso contrário. Portanto, ∑

, para qualquer

combinação válida entre i, j e mna amostra. O inteiro corresponde ao número de empresas

na microrregião j que exportam ou importam o tipo de carga m. Para evitar problemas de

identificação dos parâmetros, geralmente impõe-se a restrição . O termo

corresponde ao conjunto de informações disponíveis nos dados, para estimação dos

parâmetros do modelo.

A construção acima considera a situação na qual é possível identificar a escolha

de cada empresa em uma amostra. No entanto, a amostra utilizada neste estudo não permite

a identificaçãoda escolha de cada empresa importadora ou exportadora individualmente. Isso

porque, conforme discutido no texto principal, os dados utilizados estão agregados por código

NCM, município de origem ou destino, mês e ano, sentido da movimentação (importação ou

exportação) e porto de origem ou destino. Se houver vários exportadores transportando

produtos com o mesmo código NCM, a partir de um mesmo município, através de um mesmo

porto, para um mês específico na amostra, essas operações aparecerão no banco de dados

como uma única observação, para a qual é fornecida a soma dos valores FOB das exportações,

bem como a soma dos pesos líquidos exportados. Portanto, ao invés de operações individuais,

há informações apenas sobre a fatia de exportações de cada produto, a partir de cada

município, para os portos da amostra.

Devido à configuração dos dados disponíveis, o modelo descrito acima precisa ser

adaptado para incorporar as especificidades dessas informações. Portanto, ao invés de

trabalhar com a função de verossimilhança acima, utiliza-se a seguinte

função alternativa:

148

∏ ∏ [ ]

onde corresponde à proporção de produtos, do tipo m, exportados ou importados pela

microrregião j e pelo porto k. Portanto, ∑

para toda microrregião j e para todo tipo

de carga m. A probabilidade tem a mesma expressão da probabilidade

, um vez que

não dependem de i.

Os tipos de carga m utilizados neste estudo são os mesmos utilizados em Coutinho et.

al. (2014), com exceção dos granéis líquidos. Portanto, são estimados modelos separados para

cargas conteinerizadas, cargas gerais e granéis sólidos. Granéis líquidos não forma analisados,

pois os custos logísticos e as distâncias fornecidas pela ANTAQ, extraídos do SIGTAC, referem-

se a custos logísticos pelos modais rodoviário, ferroviário e hidroviário, não contemplando

gasodutos e oleodutos. Além disso, conforme discutido em Coutinho et al. (2014), o setor de

produção de granéis líquidos apresenta alto grau de verticalização, de forma que os

mecanismos de mercado para escolha de qual porto utilizar para movimentação das cargas

podem não ser os mesmos mecanismos observados para os demais tipos de carga.

Uma simplificação utilizada neste estudo em relação à especificação funcional para o

modelo paramétrico da probabilidade de escolha dos portos foi a inclusão apenas de variáveis

correspondentes aos custos e distâncias de transportes entre as microrregiões e os portos.

Portanto, neste trabalhonão há variáveis que pertencem aovetor de características . Essa

simplificação não implica perda de ajuste do modelo ou problemas de variáveis omissas, pois

as características específicas dos portos são capturadas pelos efeitos fixos . Nesse caso, a

probabilidade de seleção do porto k, por um exportador ou importador na microrregião j,

pode ser rescrita como:

[ [

]]

∑ { [ [

]]}

Ovetor contém distâncias (em km) e custos logísticos médios (em R$) entre os

portos e as microrregiões. De forma a capturar eventuais não linearidades e evitar problemas

149

de escala, são aplicadas transformações logarítmicas38 às variáveis de custo e distância e

utilizados termos quadráticos das variáveis transformadas.

Conforme explicado anteriormente, não é possível identificar, a partir dos dados

disponíveis, o número de operações de exportação ou importação, ou o número de empresas

que exportaram ou importaram pelos portos, para cada município ou microrregião. Ao invés

disso, é possível identificar a fatia de exportações mais importações de cada município ou

microrregião pelos portos, considerando o peso líquido total de carga movimentada (em kg)

ou o valor total FOB das cargas transportadas. Como os custos logísticos médioscorrespondem

a valores monetários por tonelada transportada, optou-se por utilizar fatias de participações

de movimentações por portos calculadas a partir dos totais transportados em termos de peso.

Portanto, os termos correspondem à carga total exportada mais importada pela

microrregião j, pelo porto k, dividida pela carga total exportada mais importada pela

microrregião j, no período 2009 a 2012.

O problema de estimação de modelos de fatias de movimentações de cargas de

regiões de origem para determinados destinos é abordado, por exemplo, em Sivakumar e Bhat

(2002). Os autores consideram um modelo baseado em distribuições de repartição fracional

(fractional split-distribution model). Nesse artigo, os autores utilizam esse modelo para analisar

o fluxo inter-regional de mercadorias no Texas. A função de verossimilhança desses modelos

não corresponde exatamente à função

especificada acima.

Caso houvesse apenas dois portos no conjunto de escolhas (ao invés de ), o modelo

de distribuições de repartição fracional corresponderia a uma regressão com variável aleatória

resposta com distribuição beta, como tratado em Ferrari e Cribari-Neto (2004) e Cribari-Neto e

Zeileis (2010). Os autores consideram uma abordagem de máxima verossimilhança, utilizando

funções de ligação do tipo logit. Essa mesma função de ligação do tipo logitpode ser utilizar

emum arcabouço de máxima quasi-verossimilhança, com em McCullagh e Nelder (1989), para

justificar a estimação dos parâmetros da regressão beta. White (1996) traz um tratamento

extenso do problema de estimação via quasi-verossimilhança, apresentando condições para

consistência dos estimadores e discutindo correções para a matriz de variância-covariância

para os parâmetros estimados. A estimação de parâmetros em modelos de distribuições de

38 Por haver valores nulos para distâncias e custos na base de dados, as transformações utilizadas de fato foram e .

150

repartição fracional, via máxima quasi-verossimilhança, é abordada em Sivakumar e Bhat

(2002), Papke e Wooldridge (1996) e Ramalho et al. (2009).

Com base nas considerações acima, o modelo final considerado neste estudo pertence

à família de modelos com base em distribuições de repartição fracional, seguindo a mesma

abordagem em Sivakumar e Bhat (2002). A estimação dos parâmetros e do modelo é

feita através de técnica de máxima quasi-verossimilhança. A função a ser maximizada tem a

expressão:

∏ ∏ [ [

[ ]]

∑ { [ [

]]}

]

na qual corresponde à carga total exportada mais importada, pela microrregião j, pelo

porto k, dividida pela carga total exportada mais importada pela microrregião j, no período

2009 a 2012. Como é de praxe em estimações via máxima verossimilhança, ao invés de

maximizar a função

, maximiza-se a função de log-verossimilhança

[

Na prática, maximizar a função

pode ser bastante demandante

computacionalmente, e métodos diretos como Newton-Raphson ou grandient descent podem

resultar em soluções instáveis. Por essa razão, utiliza-se um artifício de contração, proposto

por Barry (1994), que consiste de um processo iterativo com os seguintes passos:

(i) Fixa-se o valor do vetor e maximiza-se a função de verossimilhança

em relação somente a . O valor obtido para o vetor

é denotado , com t = 0;

(ii) Com base no valor obtido no passo anterior (valor obtido na iteração ),

encontram-se os novos valores de , para a iteração t+1, com base na

expressão:

[ [

]

onde corresponde à participação total observada do porto k, para o

produto m, enquanto corresponde à participação total estimada do porto

k, para o produto m, com base nos parâmetros e e na expressão

acima para a probabilidade . Portanto,

151

∑

A razão é calculada a partir das probabilidades

(calculadas com a

expressão acima para ) por intermédio da expressão

∑

(iii) Fixam-se os novos valores para os efeitos fixos dos portos, que são

utilizados para maximizar novamente a função de verossimilhança

, gerando os novos valores dos coeficientes .

(iv) Os passos (ii) e (iii) são repetidos um grande número de vezes, até que as

novas iterações não alterem os valores dos parâmetros e . Quando

isso acontece, há convergência do algoritmo de contração e obtêm-se as

estimativas para os parâmetros e .

Para checar a convergência do algoritmo de contração, é preciso calcular

numericamente o gradiente (vetor de primeiras derivadas) da função

.

Em todos os casos, o gradiente final após as estimações resultou igual a zero, como esperado

(ou muito próximo de zero). Dadas as características dos modelos de regressão logística, pode-

se mostrar que a função de log-verossimilhança

é estritamente côncava,

sob a hipótese de inexistência de problemas de multicolinearidade das variáveis explicativas

(Pratt, 1981). Portanto, dado que os parâmetros estimados satisfazem a condição de primeira

ordem (gradiente igual a zero), a solução é não somente um ponto de máximo local, mas

também um ponto de máximo global.

Além das estimativas pontuais dos parâmetros do modelo, é preciso obter também

estimativas para a matriz de variância-covariância dos estimadores. Para tanto, aplica-se o

ferramental, discutido em White (1996), para estimação via máxima quasi-verossimilhança.

Para esse tipo de estimação, a matriz de variância-covariância precisa de uma correção em

relação à matriz de variância-covariância comumente utilizada em estimações de máxima

verossimilhança, quando se assume que a distribuição utilizada corresponde ao processo

gerador de dados. Conforme discutido acima, o modelo logit corresponde a uma aproximação

dos modelos com distribuição de partições fracionadas, o que justifica o uso de métodos de

máxima quasi-verossimilhança (vide discussão em Sivakumar e Bhat, 2002, Papke e

Wooldridge, 1996, e Ramalho et al., 2009).

152

A matriz de variância-covariância utilizada neste trabalho foi calculada pela expressão

abaixo:

onde corresponde à matriz hessiana39 da função

. A matriz

correspondea uma estimativa da variância do gradiente da função

.

Assumindo que as observações para cada microrregião sejam independentes, a matriz pode

ser obtida a partirda expressão

∑

[

na qual [ corresponde ao transposto do gradiente da função de log-verossimilhança.

Com base na raiz quadrada da diagonal principal da matriz , obtêm-se os erros

padrões das estimativas dos parâmetros e . A partir dos erros padrões, dado que o

estimador de quasi-verossimilhança tem distribuição assintótica normal multivariada, obtêm-

se as estatísticas t e osp-valores para os parâmetros estimados, de forma a testar a

significância estatística de cada um deles. Os valores dessas medidas, para os três tipos de

carga estudadas neste artigo, estão apresentados na seção de resultados.

Conforme discutido em Resende, Carvalho e Sakowski (2013), Behrens e Thisse (2007)

e Resende (2011), um dos problemas encontrados em diversos estudos que utilizam dados

geográficos é o chamado problema de unidade de área modificável (MAUP). Ele se refere à

possibilidade de que as conclusões sobre relações econômicas se alterem quando alterada a

escala geográfica. Resende, Carvalho e Sakowski (2013) e Resende (2011) sugerem, como

forma de lidar com esse problema, replicar o estudo para diversas escalas de forma a verificar

a robustez das conclusões. De maneira geral, os parâmetros dos modelos se alteram quando

muda-se a escala geográfica das observações. Por esse motivo, os parâmetros estimados nos

modelos de escolha discreta neste trabalho correspondem especificamente à escala de

microrregiões. Caso utilizássemos outra escala geográfica, como municípios ou mesorregiões,

os parâmetros precisariam ser estimados novamente, considerando os dados específicos para

essas escalas.

39 Para fins de simplificação na notação, suprimimos o subescrito e o superescrito m das matriz e H, apesar de essas matrizes estarem relacionadas diretamente à função de log-verossimilhança

.

153

A.4. Método do Filtro de Kalman

Conforme o modelo especificado por Wolff (1987), as cotações observadas em t do

dólar no mercado futuro, ft, para o valor da taxa de câmbio no mercado a vista (spot) em t+1,

St+1, equivalem a uma expectativa formada em t para o dólar em t+1, Et(St+1), mais o prêmio de

risco não observado em t, pt:

1t t t tf E S p (14)

Por outro lado, a hipótese das expectativas racionais permite concluir que a taxa de

câmbio observada em t+1, St+1, é igual à expectativa que havia para essa taxa no momento

anterior, Et(St+1), mais um componente não esperado, vt+1, correspondente a um erro de

previsão:

1 1 1t t t tS E S v (15)

Combinando as equações (21) e (22), obtém-se:

1 1t t t tf S p v (16)

A equação acima diz que o erro de previsão ao considerar a utilização da taxa do

mercado futuro do dólar, ft, como preditora da futura taxa a vista, St+1, tem dois componentes:

o prêmio de risco, pt, e um erro de previsão do tipo “ruído branco”, vt+1, decorrente do

surgimento de novas informações entre t e t+1. Nessas condições, o prêmio de risco, pt, pode

ser assumido como um processo auto-regressivo de primeira ordem, AR1 (Garcia e Olivares,

2001):

1t t tp p z (17)

e

2

2

0 0~ . . . ,

0 0

t

t

v Qi i d N

z R (18)

154

A estimação do modelo composto pelas equações ((23)) a ((25)) será feita utilizando o

algoritmo do filtro de Kalman. Em termos gerais, a medida do prêmio de risco, pt, pode ser um

processo ARMA(p,q). O problema que se apresenta é a identificação da estrutura ARMA que

seja mais compatível com o processo gerador do chamado forwarddiscount (ft – St+1), únicas

variáveis observadas, lembrando que este equivale ao prêmio de risco, pt, menos um ruído

branco. Neste relatório, utilizando uma série mensal, (ft – St+1), de janeiro/2003 a

dezembro/2013, concluímos que a estrutura que se mostrou mais adequada foi um

ARMA(1,1).40 Para os cálculos, foi utilizado o software R.

40Nas simulações com o software R, verificamos que o processo ARMA(1,1) mostrou-se mais adequado do que o AR(1) utilizado por Garcia e Olivares (2001).

155

A.5. Tabelas e Figuras

Tabela 45 – Parâmetros Estimados para o Modelo de Escolha Discretapara Cargas Conteinerizadas

Grupos de Variáveis

Variáveis Coeficientes Estimados

Erros Padrões

Efeitos Fixos

Antonina -0.612935 0.032905

Aratu -0.057049 0.048996

Itajaí 3.816672 0.028664

São Luís-Itaqui 3.219680 0.032638

Macapá 0.153946 0.068368

Pecém 3.686048 0.030297

Cáceres -0.534879 0.072075

Maceió 1.166245 0.032911

Manaus 3.733282 0.033946

Natal 2.066373 0.031862

Niterói 0.992664 0.049289

Guaíra -1.487856 0.035941

Recife-Suape 3.452043 0.029291

RiodeJaneiro-Sepetiba 4.859268 0.027919

PortodeRioGrande 5.371195 0.027401

Salvador 3.886574 0.029333

Santarém 1.912189 0.043007

Santos 5.929490 0.027861

São Sebastião 0.758776 0.049928

SãoFranciscodoSul 3.576451 0.028568

Barcarena 2.576629 0.032548

Vitória 4.453711 0.028677

Belém 2.172940 0.034465

JoãoPessoa 0.532524 0.038725

Fortaleza 2.761642 0.030676

Imbituba 0.662211 0.031903

Paranaguá 6.626427 0.030026

PortoAlegre - -

Coeficientes

Log dos custos logísticos -12.058335 0.177303

Log das distâncias 10.342137 0.133730 Log dos custos ao

quadrado 8.407827 0.160442

Log das distâncias ao quadrado

-22.311791 0.111841


156

Tabela 46 – Parâmetros Estimados para o Modelo de Escolha Discretapara Cargas Gerais (incluindo Contêineres)



Erros Padrões

Efeitos Fixos

Antonina -0.764089 0.029223

Aratu -0.123932 0.046094

Macaé -2.464184 0.035477

Itajaí 3.903710 0.023800

São Luís - Itaqui 3.493869 0.027020

Macapá -0.390482 0.069648

Pecém 3.645848 0.025513

Cáceres -0.625334 0.068148

Maceió 1.006390 0.028799

Manaus 3.605789 0.030929

Natal 2.167474 0.027595

Niterói 1.432274 0.038173

Guaíra -1.559867 0.039698

Recife - Suape 3.387153 0.024928 Rio de Janeiro -

Sepetiba 4.984990 0.023341

Porto de Rio Grande 5.323731 0.022788

Salvador 3.793952 0.024635

Santarém 2.316071 0.032719

Santos 5.922881 0.023138

São Sebastião 1.734388 0.035446

São Francisco do Sul 3.609291 0.023873

Barcarena 2.600001 0.026391

Vitória 4.585250 0.023973

Belém 1.765059 0.031805

João Pessoa 0.303087 0.036159

Fortaleza 2.760400 0.025797

Ilhéus 0.107191 0.037040

Imbituba 1.700239 0.030163

Paranaguá 7.007950 0.027202

Porto Alegre - -

Coeficientes

Log dos custos logísticos

-11.534627 0.178214


quadrado 6.945075 0.160282


-21.799499 0.112138


157

Tabela 47 – Parâmetros Estimados para o Modelo de Escolha Discretapara Granéis Sólidos



Erros Padrões

Efeitos Fixos

Antonina 0.126763 0.051232

Aratu 1.766794 0.049418

Corumbá 0.248900 0.052555

Itajaí 2.271474 0.042602

São Luís - Itaqui 3.226801 0.047678

Macapá 1.462100 0.053573

Pecém 3.144320 0.043281

Cáceres -2.414142 0.063518

Maceió 0.947922 0.047865

Manaus 3.554956 0.046280

Natal 1.152693 0.053200

Guaíra 2.957321 0.041147

Recife - Suape 3.440481 0.043307 Rio de Janeiro -

Sepetiba 3.794511 0.040316

Porto de Rio Grande 4.647715 0.041872

Salvador 2.841248 0.044660

Santarém 2.922723 0.052415

Santos 4.701963 0.040762

São Francisco do Sul 2.214056 0.042133

Barcarena 2.211300 0.051786

Vitória 4.445200 0.041791

Belém 1.712857 0.064260

João Pessoa 1.679457 0.046825

Fortaleza 2.932616 0.043605

Imbituba 1.955420 0.044452

Aracaju 0.628057 0.048467

Paranaguá 4.650267 0.037565

Porto Alegre - -

Coeficientes

Log dos custos logísticos

-14.097636 0.250672


quadrado 13.895346 0.243269


-23.470559 0.188736


158

Figura 6 – Composição dos Coeficientes para Cargas Conteneirizadas

Figura 7 – Composição dos Coeficientes para Cargas Gerais (com Contêineres)

Figura 8 – Composição dos Coeficientes para Granéis Sólidos

Obs:

1. Para as curvas da esquerda, os valores no eixo vertical são dados pela expressão:

159

[

] [

]

2. Para as curvas da direita, os valores no eixo vertical são dados pela expressão:

[

] [

]

centro de excelÊncia em regulaÇÃo de mercados...

Documents